如何调整R的aggregate函数，实现分组求和时保留非完整案例？

你遇到的问题根源是aggregate函数默认使用na.action=na.omit参数，会先移除所有包含缺失值（NA）的整行，再执行聚合操作，最终导致求和结果不符合预期。

解决方案：调整参数让聚合忽略列级缺失值 #

只需修改两处设置即可实现需求：

• 设置na.action=na.pass，保留所有含NA的行
• 在求和函数中加入na.rm=TRUE，让sum计算时跳过NA值

具体代码如下：

v1 <- c(1, 1, 1, NA)
v2 <- c(2, 2, NA, 2)
v3 <- c("A", "B", "A", "B")

df <- data.frame(v1, v2, v3)

# 修改后的aggregate调用
aggregate(.~v3, data=df, FUN=function(x) sum(x, na.rm=TRUE), na.action=na.pass)

运行后输出：

v3 v1 v2
1  A  2  2
2  B  1  4

补充写法：指定聚合列而非公式语法 #

也可以不用公式形式，直接指定要聚合的列和分组变量，此时无需额外设置na.action，只需给sum添加na.rm=TRUE：

aggregate(df[, c("v1", "v2")], by=list(v3=df$v3), FUN=sum, na.rm=TRUE)

这个写法同样能得到你期望的结果。

原理说明 #

默认的na.omit会把第三行（v2为NA）和第四行（v1为NA）全部移除，导致分组后A组只剩第一行、B组只剩第二行。而na.pass会保留所有行，再对每组的每列单独执行带na.rm=TRUE的求和，这样就能正确计算每组中各列的非NA值总和。

内容的提问来源于stack exchange，提问作者Stephen Clark