R语言data.frame分组subset零行报错及汇总统计合并问题咨询

报错原因 #

你遇到的报错是因为零行数据框无法直接绑定长度为1的常量列：R要求数据框所有列的行数一致，空子集data_2行数为0，你传入的age.group = "2"等参数长度为1，长度不匹配触发报错。手动拆分子集的方案效率极低，不适合数十万行的数据集，以下是两种高效实现方案：

方案1：dplyr实现（代码简洁，十万级数据运行无压力） #

# 加载包
library(dplyr)

data.test <- data.test %>%
  # 生成整数型年龄分组
  mutate(age.group = cut(age, breaks = c(0,1,2,3,4,5), labels = 0:4, right = TRUE) %>% as.integer() - 1) %>%
  # 按年龄分组计算统计量
  group_by(age.group) %>%
  mutate(
    count = n(), # 对应年龄组观测数量
    a.ratio = mean(class.type == "A") # 组内A类样本占比
  ) %>%
  ungroup()

方案2：纯base R实现（无需额外安装包） #

# 生成年龄分组
data.test$age.group <- cut(data.test$age, breaks = c(0,1,2,3,4,5), labels = 0:4, right = TRUE)
data.test$age.group <- as.integer(as.character(data.test$age.group))

# 分组计算组内观测数
data.test$count <- ave(rep(1, nrow(data.test)), data.test$age.group, FUN = length)
# 分组计算A类样本占比
data.test$a.ratio <- ave(data.test$class.type == "A", data.test$age.group, FUN = mean)

两种方案都会自动处理空分组，不会触发零行报错，运行效率远高于手动拆分子集再合并的方案，十万行数据处理耗时通常在毫秒级。

内容的提问来源于stack exchange，提问作者Jesse