dcast 警告：“缺少聚合函数：默认为长度”

Posted 2023-02-14

【中文标题】dcast 警告：“缺少聚合函数：默认为长度”

【英文标题】：dcast warning: ‘Aggregation function missing: defaulting to length’

【发布时间】：2016-01-08 04:14:36

【问题描述】：

我的df 看起来像这样：

Id  Task Type    Freq  
3     1    A       2
3     1    B       3
3     2    A       3
3     2    B       0
4     1    A       3
4     1    B       3
4     2    A       1
4     2    B       3

我想通过Id重组并得到：

Id   A    B …  Z    
3    5    3      
4    4    6        

我试过了：

df_wide <- dcast(df, Id + Task ~ Type, value.var="Freq")

并收到以下警告：

缺少聚合函数：默认为长度

我不知道该在fun.aggregate 中添加什么。有什么问题？

【问题讨论】：

根据显示的示例，我没有收到任何警告。如果您有重复，那么您可能需要创建一个序列列

如果您需要sum（基于显示的预期输出）dcast(df, Id~Type, value.var='Freq', sum)

谢谢雅普！我不确定我是否完全理解您的解释：我的前两列（Id 和 Task）需要从两行折叠为一列。这就是我需要 fun.aggregate 函数的原因吗？如果是这样-为什么要“求和”？我不是在总结它们。

您能否指定何时收到警告消息？使用dcast(df, Id ~ Type, value.var="Freq") 还是使用dcast(df, Id + Task ~ Type, value.var="Freq")？我只在使用dcast(df, Id ~ Type, value.var="Freq") 时收到警告（正如我在回答中所解释的那样，这是合乎逻辑的）。

我在使用 'dcast(df, Id + Task ~ Type, value.var="Freq")' 时得到它。

【参考方案1】：

您收到此警告的原因在于fun.aggregate 的描述中（请参阅?dcast）：

如果变量不能识别单个变量，则需要聚合函数 观察每个输出单元。默认为长度（带有消息） 如果需要但未指定

因此，当宽数据框中的一个点有多个值时，需要一个聚合函数。

基于您的数据的解释：

当您使用dcast(df, Id + Task ~ Type, value.var="Freq") 时，您会得到：

  Id Task A B
1  3    1 2 3
2  3    2 3 0
3  4    1 3 3
4  4    2 1 3

这是合乎逻辑的，因为对于 Id、Task 和 Type 的每个组合，Freq 中只有一个值。但是当你使用dcast(df, Id ~ Type, value.var="Freq") 时，你会得到这个（包括警告信息）：

Aggregation function missing: defaulting to length
  Id A B
1  3 2 2
2  4 2 2

现在，回顾一下数据的顶部：

Id  Task Type    Freq  
3     1    A       2
3     1    B       3
3     2    A       3
3     2    B       0

你明白为什么会这样了。对于Id 和Type 的每个组合，Freq 中有两个值（对于 Id 3：2 和 3 对于 A & 3 和 0 对于类型 B）而对于type 的每个值，您只能在宽数据框中的该位置放置一个值。因此dcast 想要将这些值聚合为一个值。默认聚合函数为length，但您可以使用其他聚合函数，例如sum、mean、sd，或通过fun.aggregate 指定自定义函数。

例如，使用fun.aggregate = sum 你会得到：

  Id A B
1  3 5 3
2  4 4 6

现在没有警告，因为当有多个值时，dcast 被告知要做什么：返回值的总和。

【讨论】：

很好的解释。你如何为说字符聚合这个？

@NelsonGon 对于您使用的字符，例如使用toString-函数来聚合它们：dcast(df, Id ~ Type, value.var="Freq", fun.aggregate = toString)。或者，您可以定义自己的聚合函数 - 例如：f.agg <- function(x) paste(x, collapse = "-") - 并使用它：dcast(df, Id ~ Type, value.var="Freq", fun.aggregate = f.agg)

但是你知道“长度”是如何工作的吗？我的意思是fun.aggregate = length 是做什么的？我想我收到这个警告是因为夏令时的重复值。

@PeyM87 它按组计算值

【参考方案2】：

fun.aggregate 需要 inside value.var 列对应于 相同 值 - 或值组合 - 出现在 dcast 公式的 LHS (例如“Id”），通过公式的RHS中的变量组合（例如“Type”）强制进入一个单元格。

在dcast 中默认为length() 可以提供丰富的信息

可能表明数据中存在耦合，并且 查找可能需要注意的length > 1 案例。

更多信息将使用函数list() 作为fun.aggregate，因为它显示了每种情况下涉及哪些value.var 值：

dcast(dt, Id ~ Type, fun.aggregate = list, value.var = 'Freq')

   Id   A   B
1:  3 2,3 3,0
2:  4 3,1 3,3

基本上，表格单元格的长度 = 1。因此，dcast 中的默认情况可以通过修改公式或通过实现长度为 1 的汇总（聚合）来解决：运算符、自定义或可用函数给出每种情况下的结果都是长度为一个，并且适合该目的。