當我使用eval與骨料，我失去了變量名

Question

我有一些代碼，其聚合數據：

pivot.present.RT <- with(
    subset(correct.data, relevantTarget == 1), 
    aggregate(
    data.frame(RT = RT), 
    list(
     identifier = identifier, 
     set.size = relevantSS, 
     stimulus = stimulus 
    ), 
    mean 
    ) 
) 

我想通過指定不同的列名取的地方，使這種更靈活「relevantSS」。我以爲我可以用EVAL做到這一點：

set.size.options <- c("relevantSS","irrelevantSS") 
pivot.present.RT <- with(
    subset(correct.data, relevantTarget == 1), 
    aggregate(
    data.frame(RT = RT), 
    list(
     identifier = identifier, 
     eval(parse(text = paste("set.size = ", set.size.options[relevant.index]))), 
     stimulus = stimulus 
    ), 
    mean 
    ) 
) 

然而，當我運行代碼的第二位，而它並正確彙總數據，我失去了變量名「set.size」。如果我叫海峽，我得到的輸出是這樣的：

'data.frame': 48 obs. of 4 variables: 
$ identifier: Factor w/ 9 levels "aks","ejr","ejr3",..: 1 2 4 5 6 7 8 9 1 2 ... 
$ Group.2 : int 4 4 4 4 4 4 4 4 8 8 ... 
$ stimulus : Factor w/ 2 levels "moving","stationary": 1 1 1 1 1 1 1 1 1 1 ... 
$ RT  : num 1161 1026 1257 1264 1324 ... 

如果我運行的原代碼，它正確地識別第二個變量是「set.size」。

任何想法我在這裏失蹤？

Answer 1

把分組變量名以外的eval(parse(...))，像這樣：

set.size.options <- c("relevantSS","irrelevantSS") 
pivot.present.RT <- with(
    subset(correct.data, relevantTarget == 1), 
    aggregate(
    data.frame(RT = RT), 
    list(
     identifier = identifier, 
     set.size = eval(parse(text = set.size.options[relevant.index])), 
     stimulus = stimulus 
    ), 
    mean 
    ) 
) 

Answer 2

我想get可能比eval/parse更合適。

set.size.options <- c("relevantSS","irrelevantSS") 
pivot.present.RT <- with(
    subset(correct.data, relevantTarget == 1), 
    aggregate(
    data.frame(RT = RT), 
    list(
     identifier = identifier, 
     set.size = get(set.size.options[relevant.index]), 
     stimulus = stimulus 
    ), 
    mean 
    ) 
) 

這就是說，我可能會更喜歡這樣的事：

d2 <- subset(correct.data, relevantTarget == 1) 
doby <- subset(d2, select=c("identifier", set.size.options[relevant.index], "stimulus")) 
names(doby) <- c("identifier", "set.size", "stimulus") 
aggregate(d2[,"RT",drop=FALSE], doby, mean) 

和其他人無疑將plyr解決方案...