集合的意外輸出

Question

在aggregate對here的另一個問題進行實驗時，我遇到了一個相當奇怪的結果。我無法弄清楚爲什麼，想知道我在做什麼是完全錯誤的。

想，我有一個data.frame這樣的：

df <- structure(list(V1 = c(1L, 2L, 1L, 2L, 3L, 1L), 
        V2 = c(2L, 3L, 2L, 3L, 4L, 2L), 
        V3 = c(3L, 4L, 3L, 4L, 5L, 3L), 
        V4 = c(4L, 5L, 4L, 5L, 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 

現在，如果我要輸出一個額外列data.frame與唯一行表明df它們的頻率。在這個例子中，

# V1 V2 V3 V4 x 
# 1 1 2 3 4 3 
# 2 2 3 4 5 2 
# 3 3 4 5 6 1 

我通過實驗得到如下使用aggregate輸出：

> 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，這給了我所粘貼的字符串。因此，如果我使用length而不是print，它應該給我這種情況的數量，這是期望的結果，情況如此（如下所示）。

> aggregate(do.call(paste, df), by=df, length) 
# V1 V2 V3 V4 x 
# 1 1 2 3 4 3 
# 2 2 3 4 5 2 
# 3 3 4 5 6 1 

而這似乎工作。但是，當data.frame尺寸爲4 * 2500時，輸出data.frame爲1 * 2501而不是4 * 2501（所有行都是唯一的，因此頻率爲1）。

​​

我與只是唯一行較小data.frames測試，它使右輸出（變化nrow=40，例如）。但是，當矩陣的尺寸增加時，這似乎不起作用。我只是無法弄清楚發生了什麼問題！有任何想法嗎？

Answer 1

這裏的問題是如何確定組aggregate.data.frame()。

在aggregate.data.frame()有一個循環，它形成了分組變量grp。在這種循環中，grp改變/經更新時間：

grp <- grp * nlevels(ind) + (as.integer(ind) - 1L) 

的問題與你的榜樣，如果一旦by轉化爲因素，循環已經超過這些因素都，在你的榜樣grp結束向上存在：

Browse[2]> grp 
[1] Inf Inf Inf Inf 

本質上循環更新推的grp值到多個從Inf難以區分。

已經這樣做了，aggregate.data.frame()後來做到這一點

y <- y[match(sort(unique(grp)), grp, 0L), , drop = FALSE] 

而這正是先前的問題，現在表現爲

dim(y[match(sort(unique(grp)), grp, 0L), , drop = FALSE]) 

因爲

match(sort(unique(grp)), grp, 0L) 

顯然只返回1：

> match(sort(unique(grp)), grp, 0L) 
[1] 1 

因爲只有一個唯一值grp。