创造NA？
我试图计算每人独特水果的平均数量（我通常的练习数据）。 这与这两行代码完美兼容：
with(df, tapply(fruit, names, FUN = function(x) length(unique(x))))->uniques
sum(uniques)/length(unique(df$names))
aggregate(df[,"fruit"], by=list(id=names), FUN = function(x) length(unique(x)))->d1
sum(d1$x)/length(unique(df$names))
我的问题是，当我在我的真实数据上使用代码时，它不起作用。 我的真实数据是处方数据，我想要每个人平均数量的独特药物。 使用tapply代码，它似乎创建了原始df中不存在的全新患者id。 它也已经给出了1000的NA值。 我的id列中没有缺失值，drug_code列中也没有缺失值
with(dt3, tapply(drug_code, id, FUN = function(x) length(unique(x))))->uniques
head(uniques)
uniques
Patient HAI0000001 NA
Patient HAI0000003 NA
Patient HAI0000008 NA
Patient HAI0000010 NA
Patient HAI0000014 NA
Patient HAI0000020 NA
table(dt3$id=="Patient HAI0000001") ##checking to see if HA10000001 occurs in original df. the dim of df are 228954 rows and 5 cols
FALSE
228954
对于汇总代码，我得到一个错误：
aggregate(dt3[,"drug_code"], by=list(id=id), FUN = function(x) length(unique(x)))->d1
Error in aggregate.data.frame(as.data.frame(x), ...) :
arguments must have same length
我不明白发生了什么事。 我的真实数据与我的练习数据相似，因为它有一个ID栏，并有一个药物/水果栏。 df中没有丢失的数据。 我知道lapply对数据框更好，但我不一定需要df。 在任何情况下，tapply代码都是针对df的练习数据。 有没有人知道这里发生了什么？
实践DF：
names<-as.character(c("john", "john", "john", "john", "john", "mary", "mary","mary","mary","mary", "jim", "sylvia","ted","ted","mary", "sylvia", "jim", "ted", "john", "ted"))
dates<-as.Date(c("2010-07-01", "2010-09-01", "2010-11-01", "2010-12-01", "2011-01-01", "2010-08-12", "2010-11-11", "2010-05-12", "2010-12-03", "2010-07-12", "2010-12-21", "2010-02-18", "2010-10-29", "2010-08-13", "2010-11-11", "2010-05-12", "2010-04-01", "2010-05-06", "2010-09-28", "2010-11-28" ))
fruit<-as.character(c("kiwi","apple","banana","orange","apple","orange","apple","orange", "apple", "apple", "pineapple", "peach", "nectarine", "grape", "melon", "apricot", "plum", "lychee", "watermelon", "apple" ))
df<-data.frame(names,dates,fruit)
真实数据的例子：
head(dt3)
id quantity date_of_claim drug_code index
1 Patient HAI0000560 1 2009-10-15 R03AC02 2010-04-06
2 Patient HAI0000560 1 2009-10-15 R03AK06 2010-04-06
3 Patient HAI0000560 30 2009-10-15 R03BB04 2010-04-06
4 Patient HAI0000560 30 2009-10-15 A02BC01 2010-04-06
5 Patient HAI0000560 50 2009-10-15 M02AA15 2010-04-06
6 Patient HAI0000560 30 2009-10-15 N02BE51 2010-04-06
在你的情况下，你要求一个单一的数字：一个特定的矢量(unique(fruits))在病人身份内的所有单个长度的平均值。 这会首先让您注意到个人独特的计数，然后是平均函数结果：
> with(df, tapply(fruit, names, function(x) length(unique(x)) ))
jim john mary sylvia ted
2 5 3 2 4
> mean ( with(df, tapply(fruit, names, function(x) length(unique(x)) )) )
[1] 3.2
我会评论说，在上面的代码中包含特定值的测试有一个可能导致问题的尾部空间。 "string "不等于"string" 。 我已经在我的.Rprofile文件中使用了pkg::gdata中的trim函数的副本，以使我更容易处理这种可能性。
我可能失去了一些东西，但不会简单的tapply在这里工作？ 下面的线计算每人不同水果的数量
x=tapply(df$fruit,df$names,function(x){length(unique(x))})
然后mean(x)会给你所有人的平均水平？
上一篇: creating NA?