Question

我的数据框包含以下格式：

manufacturers pricegroup leads
harley        <2500      #
honda         <5000      #
...           ...        ..

我使用聚合函数以下列方式提取数据：

aggregate( leads ~ manufacturer + pricegroup, data=leaddata, 
    FUN=sum, subset=(manufacturer==c("honda","harley")))

我注意到这并没有返回正确的总数。我添加到子集组的制造商越多，每个制造商的数量越来越少。但是，如果我使用：

aggregate( leads ~ manufacturer + pricegroup, data=leaddata, 
    FUN=sum, subset=(manufacturer=="honda" | manufacturer=="harley"))

返回正确的数字。对于我的生活，我无法弄清楚为什么。我只会使用OR运算符，除了我将动态传递制造商列表。有关为什么第一个构造不起作用的任何想法？更好，有关如何使其工作的任何想法？谢谢！

Answer 1

问题是==在“honda”和“harley”的值之间交替，并与“制造商”变量的相关位置的值进行比较。另一方面，%in%（由MrFlick建议）和|检查整个“制造商”变量，然后决定要标记哪些值。

==会将值回收到比较的长度。

通过示例可能更容易看到：

set.seed(1)
v1 <- sample(letters[1:5], 10, TRUE)
v2 <- c("a", "b")   ## Will be recycled to rep(c("a", "b"), 5) when comparing with v1

data.frame(v1, v2, 
           `==` = v1 == v2, 
           `%in%` = v1 %in% v2, 
           `|` = v1 == "a" | v1 == "b", 
           check.names = FALSE)
#    v1 v2    ==  %in%     |
# 1   b  a FALSE  TRUE  TRUE
# 2   b  b  TRUE  TRUE  TRUE
# 3   c  a FALSE FALSE FALSE
# 4   e  b FALSE FALSE FALSE
# 5   b  a FALSE  TRUE  TRUE
# 6   e  b FALSE FALSE FALSE
# 7   e  a FALSE FALSE FALSE
# 8   d  b FALSE FALSE FALSE
# 9   d  a FALSE FALSE FALSE
# 10  a  b FALSE  TRUE  TRUE

请注意，在==列中，唯一的TRUE值是“v1”，而“v2”的回收值是相同的。

在R中对聚合函数进行子集化时出现意外行为

1 个答案: