我是 R 初学者，我被困住了，找不到解决方案。任何评论都受到高度赞赏。问题来了：
我有一个数据框 df。 这些列被转换为 char（属性）和 num。 我想通过使用聚合函数来减少数据帧（dply 不是一个选项）。
当我使用聚合时
df_agg <- aggregate(df["AMOUNT"], df[c("ATTRIBUTE1")], sum)
我得到正确的结果。但我想按更多属性分组。例如添加更多属性时
df_agg <- aggregate(df["AMOUNT"], df[c("ATTRIBUTE1", "ATTRIBUTE2")], sum)
然后在某个时候，聚合结果会发生变化。 Amount 的总和不再等于第一个第一个聚合（或原始数据帧）的结果。
有谁知道导致这种行为的原因。
【问题讨论】：
标签： r aggregate-functions
我的最佳猜测是您的某些分组列中缺少值。在内置的mtcars数据上演示，没有缺失值，一切正常：
sum(mtcars$mpg)
# [1] 642.9
sum(aggregate(mtcars["mpg"], mtcars[c("am")], sum)$mpg)
# [1] 642.9
sum(aggregate(mtcars["mpg"], mtcars[c("am", "cyl")], sum)$mpg)
# [1] 642.9
但是如果我们在分组变量中引入缺失值，它就不会包含在聚合中：
mt = mtcars
mt$cyl[1] = NA
sum(aggregate(mt["mpg"], mt[c("am", "cyl")], sum)$mpg)
# [1] 621.9
最简单的解决方法是用 NA 以外的其他值填充缺失值，也许是字符串 "missing"。
【讨论】：
我认为@Gregor 已正确指出问题可能是具有NA 的分组变量。 dplyr 处理 NA 的变量分组方式与 aggregate 不同。
我们有aggregate 的替代解决方案。请注意，该文件建议
`by` a list of grouping elements, each as long as the variables in the data frame x. The elements are coerced to factors before use.
这里有线索。您可以使用exclude="" 将分组变量转换为factor，这将确保NA 是因素的一部分。
set.seed(1)
df <- data.frame(ATTRIBUTE1 = sample(LETTERS[1:3], 10, replace = TRUE),
ATTRIBUTE2 = sample(letters[1:3], 10, replace = TRUE),
AMOUNT = 1:10)
df$ATTRIBUTE2[5] <- NA
aggregate(df["AMOUNT"], by = list(factor(df$ATTRIBUTE1,exclude = ""),
factor(df$ATTRIBUTE2, exclude="")), sum)
# Group.1 Group.2 AMOUNT
# 1 A a 1
# 2 B a 2
# 3 B b 9
# 4 C b 10
# 5 A c 10
# 6 B c 11
# 7 C c 7
# 8 A <NA> 5
分组变量未显式转换为factor以包含NA时的结果为：
aggregate(df["AMOUNT"], df[c("ATTRIBUTE1", "ATTRIBUTE2")], sum)
# ATTRIBUTE1 ATTRIBUTE2 AMOUNT
# 1 A a 1
# 2 B a 2
# 3 B b 9
# 4 C b 10
# 5 A c 10
# 6 B c 11
# 7 C c 7
【讨论】：