R：作为因素没有意义

Question

当这个特定问题出现时，处理这个特定问题的最佳做法是什么？例如我创建了一个数据框：

dat<- sqlQuery(con,"select * from mytable")

我的桌子的样子：

ID    RESULT    GROUP
--    ------    -----
1     Y         A
2     N         A
3     N         B
4     Y         B
5     N         A

其中ID是int，Result和Group都是因素。

问题是当我想做这样的事情时：

tapply(dat$RESULT,dat$GROUP,sum)

我收到关于列是一个因素的投诉：

Error in Summary.factor(c(2L,2L,2L,2L,1L,2L,1L,2L,2L,1L,1L, :
sum not meaningful for factors

考虑到因素对于 ggplot 之类的使用至关重要，其他人是如何处理这个问题的？

设置 stringsAsFactors=FALSE 并重新运行给出

tapply(dat$RESULT,dat$GROUP,sum)
Error in FUN(X[[1L]], ...) : invalid "type" (character) or argument

所以我不确定仅仅设置 stringsAsFactors=FALSE 是正确的方法

Answer 1

我假设您想总结 RESULT 列中的“Y”。

正如@akrun 所建议的，一种可能性是使用table()

with(dat,table(GROUP,RESULT))

如果您想坚持使用tapply()，您可以将 RESULT 列的类型更改为布尔值：

dat$RESULT <- dat$RESULT=="Y"
tapply(dat$RESULT,dat$GROUP,sum)

如果您的目标是将某些列作为因子，而将其他列作为字符串，您可以将结果中的选定列转换为因子，例如与

dat<- sqlQuery(con,"select ID,RESULT,GROUP from mytable",as.is=2)

如read.table man page（由 sqlQuery 手册页调用）：as.is 是一个逻辑向量（如果需要，值被回收），或者是一个数字或字符索引向量指定哪些列不应转换为因子。

但话又说回来，您需要使用table() 或将结果转换为布尔值。

Answer 2

我也不清楚你的问题是什么。如果你只是想总结 Y，怎么样：

    library(dplyr)
df <- data.frame(ID = 1:5, 
              RESULT = as.factor(c("Y","N","N","Y","N")),
              GROUP = as.factor(c("A", "A", "B", "B", "A")))

df %>% mutate(logRes = (RESULT == "Y")) %>%
       summarise(sum=sum(logRes))