创建函数和数据框的子集在聚合函数中不起作用

时间:2017-05-14 21:28:53

标签: r aggregate subset custom-function

我遇到了一个奇怪的问题,如果我在自定义函数中调用它,那么聚合函数会表现得很奇怪。它似乎完全超过了子集函数:

为了解释问题所在,我将分两部分进行讨论。 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的值是:

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

应该是这样的。

但是 2.使用自定义功能:

 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会在聚合功能中获得“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。要感谢你的帮助。感谢

3 个答案:

答案 0 :(得分:0)

这是因为聚合函数是从两个data.frames调用

此:

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

实际上读起来像:

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

所以你要覆盖datam_subset调用,只需调用c

答案 1 :(得分:0)

实际上有两个问题。首先,正如其他人所指出的那样,您将c而不是datam进行了子集化,但这并不能解决问题。 datam_subset没有名为lb, ld, inc_call的列。所以你的功能应该是这样的:

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

您可以通过c_ans

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

答案 2 :(得分:0)

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。请检查此问题:Pass a data.frame column name to a function 编写函数的更好方法是将列名称传递给rtk而不是列本身,然后将它们用于您想要执行的操作:

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)
}

然后使用列名称恰当地调用它:

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