在 data.table() 中使用 sum() 引用赋值会产生不正确的结果

Question

我有一个包含 3 列的 data.table 测试：Year、ID、Count（请参阅下面的前 3 列）。我想添加第四列来汇总 ID 和年份，如下所示：

setkey(test, Year, ID)
test[, annualCount := sum(Count), by=list(Year, ID)]

我得到的东西看起来很奇怪：似乎函数 [ 自动将 1 添加到我的年度计数。例如，ID 210 和 Y1 应该给我 8 而不是 9。

是data.table的bug吗？

    Year       ID    Count  annualCount
 1:   Y1      210        1            9
 2:   Y1      210        1            9
 3:   Y1      210        0            9
 4:   Y1      210        1            9
 5:   Y1      210        1            9
 6:   Y1      210        1            9
 7:   Y1      210        1            9
 8:   Y1      210        1            9
 9:   Y1      210        1            9
10:   Y1     3197        1            6
11:   Y1     3197        1            6
12:   Y1     3197        0            6
13:   Y1     3197        1            6
14:   Y1     3197        1            6
15:   Y1     3197        1            6    

更新：我使用的是 R 版本 2.15.0 (2012-03-30)，但我安装了 data.table_1.8.6。当我安装这个包时，我收到一个警告，这个版本是在 2.15.1 上构建的。这是错误的原因吗？

更新 2：我安装了最新的 R（此时为 2.15.2），但没有帮助。使用相同的数据集， 如果我打电话

  test1 <- test[, list(annualCount = sum(Count)), by=list(Year, ID)]

然后我得到正确的结果。但如果我打电话

test2 <- test[, list(annualCount = sum(Count, na.remove = T)), by=list(Year, ID)]

然后 [ 自动将 1 添加到我的总和中。不幸的是，我无法从头开始复制带有此错误的数据集。

更新 3：dput(test) 输出。

structure(list(Year = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
                                  1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("Y1", "Y2", "Y3"), class = "factor"), 
               ID = c(210, 210, 210, 210, 210, 210, 210, 210, 210, 
                            3197, 3197, 3197, 3197, 3197, 3197), 
               Count = c(1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0)), 
          .Names = c("Year","ID", "Count"), class = c("data.table", "data.frame"), 
          row.names = c(NA, -15L), .internal.selfref = <pointer: 0x7fb6dc000778>)

谢谢。

Answer 1

这不是data.table 的问题，而是人为错误；）

为了复制，这里有一些示例数据。我已经包含了一些NA 值来查看sum 函数的结果，无论是否带有删除NAs 的参数，即na.rm，而不是na.remove：

set.seed(1)
test <- data.table(Year = rep("Y1", 15),
                   ID = c(rep(210, 9), rep(3197, 6)),
                   Count = sample(c(0, 1, NA), 15, 
                                  prob=c(.2, .65, .15), 
                                  replace=TRUE),
                   key = "Year,ID")
test
#     Year   ID Count
#  1:   Y1  210     1
#  2:   Y1  210     1
#  3:   Y1  210     1
#  4:   Y1  210    NA
#  5:   Y1  210     1
#  6:   Y1  210    NA
#  7:   Y1  210    NA
#  8:   Y1  210     0
#  9:   Y1  210     1
# 10:   Y1 3197     1
# 11:   Y1 3197     1
# 12:   Y1 3197     1
# 13:   Y1 3197     0
# 14:   Y1 3197     1
# 15:   Y1 3197     0

在我们创建新列之前，让我们进行一些聚合，看看sum 的不同选项会发生什么。

test[, list(annualCount = sum(Count)), by = key(test)]
#    Year   ID annualCount
# 1:   Y1  210          NA
# 2:   Y1 3197           4
test[, list(annualCount = sum(Count, na.rm = TRUE)), by = key(test)]
#    Year   ID annualCount
# 1:   Y1  210           5
# 2:   Y1 3197           4

现在，创建您的新列，并获得您预期的结果。

test[, annualCount := sum(Count, na.rm = TRUE), by = key(test)][]
#     Year   ID Count annualCount
#  1:   Y1  210     1           5
#  2:   Y1  210     1           5
#  3:   Y1  210     1           5
#  4:   Y1  210    NA           5
#  5:   Y1  210     1           5
#  6:   Y1  210    NA           5
#  7:   Y1  210    NA           5
#  8:   Y1  210     0           5
#  9:   Y1  210     1           5
# 10:   Y1 3197     1           4
# 11:   Y1 3197     1           4
# 12:   Y1 3197     1           4
# 13:   Y1 3197     0           4
# 14:   Y1 3197     1           4
# 15:   Y1 3197     0           4