聚合函數不直觀

Question

像下面關於聚合函數的源代碼，我不明白爲什麼我們必須在這裏使用list函數（）。而不是我想用一個需要分組的列來替換它。我不知道爲什麼我們使用相同的數據集，例如'train [Sales！= 0]'兩次？如果我使用其他數據集作爲第二個數據集參數，該怎麼辦？我認爲這會使改變成爲相當高的可能性錯誤。

aggregate(train[Sales != 0]$Sales, 
       by = list(train[Sales != 0]$Store), mean) 

也許有人會說這是錯誤的用例。但我也在R中看到這個源代碼

## Compute the averages for the variables in 'state.x77', grouped 
## according to the region (Northeast, South, North Central, West) that 
## each state belongs to. 
aggregate(state.x77, list(Region = state.region), mean) 

感謝您閱讀我的問題。

Answer 1

首先，如果你不喜歡聚合函數的語法，你可以看看dplyr包。它的語法對你來說可能更容易一些。

回答您的問題：

1. 第二個參數是剛剛有望成爲一個列表，這樣你就可以添加多個變量。
2. 您必須使用train[Sales != 0]兩次，因爲否則第一個和by參數會查看不同的索引。你也可以做一個子集，第一：

基地R-代碼：

trainSales <- train[Sales != 0] 
aggregate(trainSales$Sales, by = list(trainSales$Store), mean) 

隨着dplyr你可以做這樣的事情：

train %>% 
    filter(Sales != 0) %>% 
    group_by(Store) %>% 
    summarise_each(funs(mean)) 

你看我用summarise_each，因爲它凝結數據集爲一行，但您也可以做一些操作，使所有行保持不變（在這種情況下，請使用do）。