在尝试了另一个问题
here的聚合时,我遇到了一个相当奇怪的结果.我无法弄清楚为什么,我想知道我在做什么是完全错误的.
假设我有一个这样的数据框架：
df <- structure(list(V1 = c(1L,2L,1L,3L,1L),V2 = c(2L,4L,2L),V3 = c(3L,5L,3L),V4 = c(4L,6L,4L)),.Names = c("V1","V2","V3","V4"),row.names = c(NA,-6L),class = "data.frame")
> df
# V1 V2 V3 V4
# 1 1 2 3 4
# 2 2 3 4 5
# 3 1 2 3 4
# 4 2 3 4 5
# 5 3 4 5 6
# 6 1 2 3 4
现在,如果我想输出一个具有唯一行的data.frame,另外一列表示其在df中的频率.对于这个例子,
# V1 V2 V3 V4 x # 1 1 2 3 4 3 # 2 2 3 4 5 2 # 3 3 4 5 6 1
我通过实验获得了这个输出,如下所示：
> aggregate(do.call(paste,df),by=df,print) # [1] "1 2 3 4" "1 2 3 4" "1 2 3 4" # [1] "2 3 4 5" "2 3 4 5" # [1] "3 4 5 6" # V1 V2 V3 V4 x # 1 1 2 3 4 1 2 3 4,1 2 3 4,1 2 3 4 # 2 2 3 4 5 2 3 4 5,2 3 4 5 # 3 3 4 5 6 3 4 5 6
所以,这给了我粘贴的字符串.所以,如果我使用长度而不是打印,它应该给我这样的事件的数量,这是所需的结果,是这种情况(如下所示).
> aggregate(do.call(paste,length) # V1 V2 V3 V4 x # 1 1 2 3 4 3 # 2 2 3 4 5 2 # 3 3 4 5 6 1
这似乎工作.然而,当data.frame尺寸为4 * 2500时,输出数据帧为1 * 2501而不是4 * 2501(所有行都是唯一的,因此频率为1).
> df <- as.data.frame(matrix(sample(1:3,1e4,replace = TRUE),nrow=4)) > o <- aggregate(do.call(paste,length) > dim(o) # [1] 1 2501
我用较小的数据框架测试,只有唯一的行,它给出了正确的输出(例如,更改nrow = 40).然而,当矩阵的尺寸增加时,这似乎不起作用.我只是无法弄清楚出了什么问题！有任何想法吗？
这里的问题是aggregate.data.frame()如何确定组.
在aggregate.data.frame()中有一个形成分组变量grp的循环.在该循环中,grp被更改/更新：
grp <- grp * nlevels(ind) + (as.integer(ind) - 1L)
你的例子的问题,如果一旦被转换为因素,循环已经超越了所有这些因素,在你的例子中,grp最终是：
Browse[2]> grp [1] Inf Inf Inf Inf
基本上,循环更新将grp的值推送到与Inf无法区分的数字.
做到这一点,aggregate.data.frame()稍后会这样做
y <- y[match(sort(unique(grp)),grp,0L),drop = FALSE]
这就是早期的问题现在表现在的地方
dim(y[match(sort(unique(grp)),drop = FALSE])
因为
match(sort(unique(grp)),0L)
明显返回只有1：
> match(sort(unique(grp)),0L) [1] 1
因为只有一个唯一的grp值.
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。