按因子计算数据框中的行数，保持顺序？答案

【问题标题】：Count rows in a data frame by factors, preserve order?按因子计算数据框中的行数，保持顺序？
【发布时间】：2014-05-08 19:42:39
【问题描述】：

我的任务是创建一个函数，该函数采用目录路径，读取大量 .csv 文件并返回一个 data.frame，其中包含每个文件的完整案例数，格式如下：

##   id nobs
## 1  2 1041
## 2  4  474
## 3  8  192
## 4 10  148
## 5 12   96

我有以下解决方案（给出函数签名）：

complete <- function(directory, id = 1:332) {
  myFiles <- list.files(path=directory,pattern=".csv",recursive=T,full.names=T)
  data <- lapply(myFiles[id],read.csv)
  frame <- do.call("rbind",data)
  frame <- frame[complete.cases(frame),]
  frame$ID <- factor(frame$ID, ordered=T)
  by <- by(frame,frame$ID,nrow,simplify=F)
  complete <- data.frame(id=names(by),nobs=unlist(by))

  return(complete)
}

这给了我正确的输出，除了一种情况。如果函数调用类似于complete(directory, 30:25)，则预计会保留data.frame 列id 的顺序（此处为30,29 等）。但这失败了，因为by 正在按因子对输出列表进行排序。我的问题有更好的解决方案（使用标准包）吗？或者我可以禁止排序吗？

【问题讨论】：

标签： r dataframe r-factor

【解决方案1】：

我不认为ordered= 参数正在做你认为的那样。当您设置ordered=T 时，它会创建一个有序因子，它类似于一个有序变量，其中一个常规因子的行为更像一个分类变量。它不假定向量已经排序，也不会以任何方式影响向量的排序。

如果你想指定一个给定的顺序，你必须使用

frame$ID <- factor(frame$ID, levels=unique(frame$ID))

然后by 应该按预期运行。

【讨论】：

感谢您的回答。是的，我对odered 参数的功能有一个错误的想法。当我使用frame$ID <- factor(frame$ID,levels=unique(frame$ID))时，它可以正常工作，但现在又出现了另一个问题。使用c(2, 4, 8, 10, 12) 之类的输入，生成的 data.frame 在其 row.names 字段中具有 id 值。现在不是 1,2,3,4,5，而是 2,4,8,10,12（我必须完成一个单元测试）。其他部分（id、nobs）现在是正确的。
@Meiner 好吧，您正在使用data.frame(id=names(by),nobs=unlist(by)) 设置ID，所以不要使用names(by)，只需执行id=1:length(by) 或类似的操作。
id 字段正确。我的意思是当您打印 data.frame （没有列名）时最左列中的数字。我必须设置row.names=NULL，然后它按预期工作。在改变之前，我不必做这样的事情。