创建函数和数据框的子集在聚合函数中不起作用答案

【问题标题】：creating a function and subset of data frame is not working in aggregate function创建函数和数据框的子集在聚合函数中不起作用
【发布时间】：2017-05-14 21:28:53
【问题描述】：

我遇到了一个奇怪的问题，如果我在自定义函数中调用聚合函数，它的行为就会很奇怪。它似乎完全超过了子集函数：

为了让您了解问题所在，我将其分为两部分。 1.没有自定义功能

    c<- data.frame(A = c("carr","bike","truck","carr","truck","bike","bike","carr","truck","carr","truck","truck","carr","truck","truck"),
                B = c(10,20,30,23,45,56,78,44,10,20,30,10,20,30,67),
                D = c(1,2,3,1,2,3,2,3,2,3,2,2,3,2,1))

c_subset<- subset(c,(A=="carr")|(A=="bike"))

dg<- aggregate(B ~ D + A  ,c_subset,max)

dg 的值为：

D   A   B           
2   bike    78
3   bike    56
1   carr    23
3   carr    44

这正是它应该的样子。

但是 2.带自定义功能：

 rtk <- function(datam,inc_coll,inc_vall,lb,ld){
  datam_subset <- subset(c,inc_coll %in% inc_vall)
  dg1<- aggregate(lb ~ ld + inc_coll,datam_subset,max)

  return(dg1)
}

c_ans <- rtk(c,c$A,c("carr","bike"),c$B,c$D)

答案是：

ld  inc_coll    lb

2   bike    78
3   bike    56
1   carr    23
3   carr    44
1   truck   67
2   truck   45
3   truck   30

现在我想知道为什么它在聚合函数中得到“卡车”？虽然在聚合函数中我使用了数据 datam_subset，它是一个子集，只包含“carr”和“bike”的数据。

可能是我遗漏了一些非常基本的东西。应感谢您的帮助。谢谢

【问题讨论】：

您为函数rtk 提供原始数据框的实际列，而不仅仅是列名。所以subset 有效，但随后aggregate 在c 的列上完成。
因为没有人真正提到它。 stackoverflow.com/questions/9860090/why-is-better-than-subset 给出了在函数中使用子集的一些想法。聚合还有一个子集参数，这可能会使事情变得更容易
datam 参数永远不会在函数内部使用，尽管您将 c 传递给它

标签： r aggregate subset custom-function

【解决方案1】：

将列名传递给函数是一个经常被问到的问题，因为它可能违反直觉。检查这个问题：Pass a data.frame column name to a function 编写函数的更好方法是将列名而不是列本身传递给 rtk，然后将它们用于您想做的事情：

rtk <- function(datam,inc_coll,inc_vall,lb,ld){
## Access the column using df[[colname]] to do the subset
  datam_subset <- subset(c,c[[inc_coll]] %in% inc_vall);
## Define the formula you will use in the aggregate function
f=as.formula(paste0(lb,"~",ld,"+", inc_coll))
## Perform the aggregation
  dg1<- aggregate(f,datam_subset,max);
  return(dg1)
}

然后使用列名适当地调用它：

c_ans <- rtk(c,"A",c("carr","bike"),"B","D")

这给了你：

D    A  B
1 2 bike 78
2 3 bike 56
3 1 carr 23
4 3 carr 44

【讨论】：

感谢 Lamia 的详细解释。 @Yannis 解决方案也有效，但您的解决方案更具可配置性。

【解决方案2】：

这是因为你的聚合函数是从两个 data.frames 调用的

这个：

dg1<- aggregate(lb ~ ld + inc_coll, datam_subset, max)

实际上是这样的：

dg1<- aggregate(c$B ~ c$D + c$A, datam_subset, max)

所以您将覆盖 datam_subset 调用并简单地调用 c。

【讨论】：

【解决方案3】：

实际上有两个问题。首先，正如其他人所指出的那样，您将 c 子集而不是 datam 子集，但这同样不能解决问题。 datam_subset 没有名为 lb, ld, inc_call 的列。所以你的函数应该是这样的：

rtk <- function(datam, inc_coll, inc_vall, lb, ld){
  datam_subset <- subset(datam, inc_coll %in% inc_vall)
  names(datam_subset)<- c("inc_coll", "lb", "ld")
  dg1<- aggregate(lb ~ ld + inc_coll,datam_subset,max)
  return(dg1)
}

> c_ans <- rtk(c,c$A,c("carr","bike"),c$B, c$D)
> c_ans
  ld inc_coll lb
1  2     bike 78
2  3     bike 56
3  1     carr 23
4  3     carr 44

您可以将名称更改为c_ans，只需colnames(c_ans)<- c("D", "A", "B")

【讨论】：