R中子集聚合函数的意外行为

Question

我有一个包含以下格式的数据框：

manufacturers pricegroup leads
harley        <2500      #
honda         <5000      #
...           ...        ..

我正在使用聚合函数通过以下方式提取数据：

aggregate( leads ~ manufacturer + pricegroup, data=leaddata, 
    FUN=sum, subset=(manufacturer==c("honda","harley")))

我注意到这没有返回正确的总数。我添加到子组中的制造商越多，每个制造商的数字就会越来越小。但是，如果我使用：

aggregate( leads ~ manufacturer + pricegroup, data=leaddata, 
    FUN=sum, subset=(manufacturer=="honda" | manufacturer=="harley"))

它返回正确的数字。对于我的生活，我无法弄清楚为什么。我只会使用 OR 运算符，但我将动态传递制造商列表。关于为什么第一个构造不起作用的任何想法？更好的是，关于如何使它工作的任何想法？谢谢！

Answer 1

问题在于== 在“honda”和“harley”的值之间交替，并与“制造商”变量的相关位置的值进行比较。另一方面，%in%（由 MrFlick 建议）和| 在决定标记哪些值之前检查整个“制造商”变量。

== 会将值循环到正在比较的长度。

举个例子可能更容易理解：

set.seed(1)
v1 <- sample(letters[1:5], 10, TRUE)
v2 <- c("a", "b")   ## Will be recycled to rep(c("a", "b"), 5) when comparing with v1

data.frame(v1, v2, 
           `==` = v1 == v2, 
           `%in%` = v1 %in% v2, 
           `|` = v1 == "a" | v1 == "b", 
           check.names = FALSE)
#    v1 v2    ==  %in%     |
# 1   b  a FALSE  TRUE  TRUE
# 2   b  b  TRUE  TRUE  TRUE
# 3   c  a FALSE FALSE FALSE
# 4   e  b FALSE FALSE FALSE
# 5   b  a FALSE  TRUE  TRUE
# 6   e  b FALSE FALSE FALSE
# 7   e  a FALSE FALSE FALSE
# 8   d  b FALSE FALSE FALSE
# 9   d  a FALSE FALSE FALSE
# 10  a  b FALSE  TRUE  TRUE

请注意，在 == 列中，唯一的 TRUE 值是“v1”和“v2”的回收值相同的位置。