聚合的意外输出

在尝试时aggregate另一个问题here https://stackoverflow.com/questions/14434632/find-frequency-of-each-unique-column-in-a-matrix-or-data-frame/14436500#14436500，我遇到了一个相当奇怪的结果。我无法弄清楚为什么，并且想知道我所做的是否完全错误。

假设，我有一个data.frame像这样：

df <- structure(list(V1 = c(1L, 2L, 1L, 2L, 3L, 1L), 
                     V2 = c(2L, 3L, 2L, 3L, 4L, 2L), 
                     V3 = c(3L, 4L, 3L, 4L, 5L, 3L), 
                     V4 = c(4L, 5L, 4L, 5L, 6L, 4L)), 
                  .Names = c("V1", "V2", "V3", "V4"), 
        row.names = c(NA, -6L), class = "data.frame")
> df
#   V1 V2 V3 V4
# 1  1  2  3  4
# 2  2  3  4  5
# 3  1  2  3  4
# 4  2  3  4  5
# 5  3  4  5  6
# 6  1  2  3  4

现在，如果我想输出一个data.frame with 独特的行还有一列表明它们的频率df。对于这个例子，

#   V1 V2 V3 V4 x
# 1  1  2  3  4 3
# 2  2  3  4  5 2
# 3  3  4  5  6 1

我使用获得此输出aggregate通过如下实验：

> aggregate(do.call(paste, df), by=df, print)

# [1] "1 2 3 4" "1 2 3 4" "1 2 3 4"
# [1] "2 3 4 5" "2 3 4 5"
# [1] "3 4 5 6"
#   V1 V2 V3 V4                         x
# 1  1  2  3  4 1 2 3 4, 1 2 3 4, 1 2 3 4
# 2  2  3  4  5          2 3 4 5, 2 3 4 5
# 3  3  4  5  6                   3 4 5 6

所以，这给了我粘贴的字符串。所以，如果我要使用length代替print，它应该给我出现这种情况的次数，这是期望的结果，就是这种情况（如下所示）。

> aggregate(do.call(paste, df), by=df, length)
#   V1 V2 V3 V4 x
# 1  1  2  3  4 3
# 2  2  3  4  5 2
# 3  3  4  5  6 1

这似乎有效。然而，当data.frame尺寸为4*2500，输出data.frame是 1*2501 而不是 4*2501（所有行都是唯一的，因此频率为 1）。

> df <- as.data.frame(matrix(sample(1:3, 1e4, replace = TRUE), nrow=4))
> o <- aggregate(do.call(paste, df), by=df, length)
> dim(o)
# [1]    1 2501

我用较小的 data.frames 进行了测试，只有唯一的行，它给出了正确的输出（改变nrow=40， 例如）。然而，当矩阵的维度增加时，这似乎不起作用。我就是不明白出了什么问题！有任何想法吗？

这里的问题是如何aggregate.data.frame()确定组。

In aggregate.data.frame()有一个循环形成分组变量grp。在那个循环中，grp通过以下方式更改/更新：

grp <- grp * nlevels(ind) + (as.integer(ind) - 1L)

你的例子的问题如果有一次by转换为因子，循环结束all在你的例子中，这些因素grp最终是：

Browse[2]> grp
[1] Inf Inf Inf Inf

本质上，循环更新推动了grp到一个无法区分的数字Inf.

这样做之后，aggregate.data.frame()稍后会这样做

y <- y[match(sort(unique(grp)), grp, 0L), , drop = FALSE]

这就是之前的问题现在表现为

dim(y[match(sort(unique(grp)), grp, 0L), , drop = FALSE])

because

match(sort(unique(grp)), grp, 0L)

显然只返回1:

> match(sort(unique(grp)), grp, 0L)
[1] 1

因为只有一个唯一值grp.