为什么tapply中的参数FUN结合colwise无效

Question

我通常使用colwise 和tapply 的组合来计算数据框中的分组值。但是，我意外地发现tapply 中的参数FUN 不能与plyr 中的colwise 一起正常工作。示例如下：

数据：

df <- data.frame(a = 1:10, b = rep(1:2, each = 5), c = 2:11)

正常：

library(plyr)
colwise(tapply)(subset(df, select = c(a, c)), df$b, function(x){sum(x[x > 2])})

以上代码正确，可以正常工作。但是如果我加FUN，那就错了：

colwise(tapply)(subset(df, select = c(a, c)), df$b, FUN = function(x){sum(x[x > 2])})

错误是：

Error in FUN(X[[1L]], ...) : 

unused arguments (function (X, INDEX, FUN = NULL, ..., simplify = TRUE) 
{
    FUN <- if (!is.null(FUN)) match.fun(FUN)
    if (!is.list(INDEX)) INDEX <- list(INDEX)
    nI <- length(INDEX)
    if (!nI) stop("'INDEX' is of length zero")
    namelist <- vector("list", nI)
    names(namelist) <- names(INDEX)
    extent <- integer(nI)
    nx <- length(X)
    one <- 1
    group <- rep.int(one, nx)
    ngroup <- one
    for (i in seq_along(INDEX)) {
        index <- as.factor(INDEX[[i]])
        if (length(index) != nx) stop("arguments must have same length")
        namelist[[i]] <- levels(index)
        extent[i] <- nlevels(index)
        group <- group + ngroup * (as.integer(index) - one)
        ngroup <- ngroup * nlevels(index)
    }
    if (is.null(FUN)) return(group)
    ans <- lapply(X = split(X, group), FUN = FUN, ...)
    index <- as.integer(names(ans))
    if (simplify && all(unlist(lapply(ans, length)) == 1)) {
        ansmat <- array(dim = extent, dimnames = namelist)

谁能解释原因？提前谢谢你。

Answer 1

好吧，问题在于lapply 和tapply 都有一个可选的FUN 参数。请注意，colwise(tapply) 是具有以下行的函数：

out <- do.call("lapply", c(list(filtered, .fun, ...), dots))

让我们用我们的调试器写到这一行

ct <- colwise(tapply); trace(ct, quote(browser()), at = 6)

然后运行

ct(subset(df, select = c(a, c)), df$b, FUN = function(x){sum(x[x > 2])})

现在让我们打印c(list(filtered, .fun, ...), dots)。请注意，前三个（未命名的）参数现在是数据帧 tapply 和 db$b，上面的 FUN 参数排在最后。然而，这个参数是命名的。由于这是lapply 上的do.call，而不是该参数成为tapply 的可选参数，它现在成为lapply 的主要调用！所以发生的事情是你正在把它变成：

lapply(subset(df, select = c(a, c)), function(x){sum(x[x > 2])}, tapply, df$b)

当然，这没有任何意义，如果您手动执行上述操作（仍在调试器中），您将得到完全相同的错误。对于一个简单的解决方法，请尝试：

tapply2 <- function(.FUN, ...) tapply(FUN = .FUN, ...)
colwise(tapply2)(subset(df, select = c(a, c)), df$b, .FUN = function(x){sum(x[x > 2])})

plyr 包应该检查名为FUN 的... 参数（或任何可能干扰lapply 工作的东西），但作者似乎没有包含这个。您可以向plyr 包提交拉取请求，该包实现以下任何变通方法：

定义一个本地

.lapply <- function(`*X*`, `*FUN*`, ...) lapply(X = `*X*`, `*FUN*`, ...)

（进一步减少干扰）。

在colwise(tapply) 函数中检查names(list(...)) 中的X 和FUN（如果作者打算在子调用之前阻止对承诺的评估，可能会引入问题）。

使用命名为X 和FUN 显式调用do.call("lapply", ...)，以便获得预期的结果

formal argument "FUN" matched by multiple actual arguments