聚合函数不直观

Question

像下面关于聚合函数的源代码，我不明白为什么我们必须在这里使用list函数（）。而不是我想用一个需要分组的列来替换它。我不知道为什么我们使用相同的数据集，例如'train [Sales！= 0]'两次？如果我使用其他数据集作为第二个数据集参数，该怎么办？我认为这会使改变成为相当高的可能性错误。

aggregate(train[Sales != 0]$Sales, 
       by = list(train[Sales != 0]$Store), mean) 

也许有人会说这是错误的用例。但我也在R中看到这个源代码

## Compute the averages for the variables in 'state.x77', grouped 
## according to the region (Northeast, South, North Central, West) that 
## each state belongs to. 
aggregate(state.x77, list(Region = state.region), mean) 

感谢您阅读我的问题。

Answer 1

首先，如果你不喜欢聚合函数的语法，你可以看看dplyr包。它的语法对你来说可能更容易一些。

回答您的问题：

1. 第二个参数是刚刚有望成为一个列表，这样你就可以添加多个变量。
2. 您必须使用train[Sales != 0]两次，因为否则第一个和by参数会查看不同的索引。你也可以做一个子集，第一：

基地R-代码：

trainSales <- train[Sales != 0] 
aggregate(trainSales$Sales, by = list(trainSales$Store), mean) 

随着dplyr你可以做这样的事情：

train %>% 
    filter(Sales != 0) %>% 
    group_by(Store) %>% 
    summarise_each(funs(mean)) 

你看我用summarise_each，因为它凝结数据集为一行，但您也可以做一些操作，使所有行保持不变（在这种情况下，请使用do）。