агрегированная функция не является интуитивной

Question

Как и следующий исходный код об агрегирующей функции, я не могу понять, почему мы должны использовать функцию list() здесь. Вместо этого я хочу заменить это на использование одного столбца, который нужно сгруппировать. И я не знаю, почему мы используем тот же набор данных, что и «train [Sales! = 0]» дважды? Что делать, если я использую другой набор данных в качестве второго параметра набора данных? Я думаю, что это сделает изменения довольно высокой возможной ошибкой.

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

Возможно, тот, кто может сказать, что это неправильный вариант использования. Но я также видел этот исходный код в R Документация

## 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) 

Спасибо, что прочитал мой вопрос.

Answer 1

Прежде всего, если вам не нравится синтаксис функции агрегата, вы можете взглянуть на пакет dplyr. Его синтаксис может быть немного проще для вас.

Чтобы ответить на ваши вопросы:

1. Второй аргумент только ожидается, будет список, так что вы можете добавить несколько переменных.
2. Вы должны использовать train[Sales != 0] два раза, потому что в противном случае первый и by аргумент смотрят на разные индексы. Вы можете также сделать подмножество первого:

Базовый R-код:

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

С dplyr вы могли бы сделать что-то вроде этого:

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

Вы видите я использую summarise_each потому что он конденсируется набор данных в одну строку, но вы тоже можете сделать что-то, что оставляет все строки неповрежденными (в этом случае используйте do).