集合的意外输出

Question

在aggregate对here的另一个问题进行实验时，我遇到了一个相当奇怪的结果。我无法弄清楚为什么，想知道我在做什么是完全错误的。

想，我有一个data.frame这样的：

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 

现在，如果我要输出一个额外列data.frame与唯一行表明df它们的频率。在这个例子中，

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

我通过实验得到如下使用aggregate输出：

> 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，这给了我所粘贴的字符串。因此，如果我使用length而不是print，它应该给我这种情况的数量，这是期望的结果，情况如此（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 

而这似乎工作。但是，当data.frame尺寸为4 * 2500时，输出data.frame为1 * 2501而不是4 * 2501（所有行都是唯一的，因此频率为1）。

​​

我与只是唯一行较小data.frames测试，它使右输出（变化nrow=40，例如）。但是，当矩阵的尺寸增加时，这似乎不起作用。我只是无法弄清楚发生了什么问题！有任何想法吗？

Answer 1

这里的问题是如何确定组aggregate.data.frame()。

在aggregate.data.frame()有一个循环，它形成了分组变量grp。在这种循环中，grp改变/经更新时间：

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

的问题与你的榜样，如果一旦by转化为因素，循环已经超过这些因素都，在你的榜样grp结束向上存在：

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

本质上循环更新推的grp值到多个从Inf难以区分。

已经这样做了，aggregate.data.frame()后来做到这一点

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

而这正是先前的问题，现在表现为

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

因为

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

显然只返回1：

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

因为只有一个唯一值grp。