R语言按颜色分组计算日期范围问题求助（aggregate等函数报错）

最近我在R里处理数据时遇到个小问题：想按颜色分组计算每组的日期范围，试了group_by()、summarize()和aggregate()，但都没顺利跑通，折腾了好一会儿。

我的数据 #

先贴一下我的数据代码：

df1 <- as.Date(c('Jul 1', 'Jun 26', 'July 5', 'July 15'), format = '%B %d')
df2 <- c("red", "blue", "red", "blue")
df1 <- data.frame(df1,df2)

期望结果 #

我想要得到按颜色分组后的日期范围（天数差），大概是这样的：

# Group.1 x
[1] 4 red
[2] 19 blue

我踩的坑和报错 #

一开始我写了这段aggregate()代码：

df <- aggregate(df1[,1], list(df1[,2]), as.numeric(max(df1[,1]) - min(df1[,1]), units="days"))

单独测试as.numeric(max(df1[,1]) - min(df1[,1]), units="days")是能得到正确数值的，但一按颜色分组就报错：

Error in match.fun(FUN) : 'as.numeric(max(df1$date) - min(df1$date), units="days")' is not a function, character or symbol

后来我尝试换公式形式写，结果又报了这个错：

Error in match.fun(FUN) : argument "FUN" is missing, with no default

后来我搞懂问题出在哪了，给大家分享两个可行的方案：

方案1：用dplyr包（更简洁直观） #

如果你习惯用tidyverse系列的包，用group_by()+summarize()就很方便：

library(dplyr)

df1 %>%
  group_by(df2) %>%
  summarize(date_range = as.numeric(max(df1) - min(df1), units = "days"))

运行后会得到符合预期的结果：

# A tibble: 2 × 2
  df2   date_range
  <chr>      <dbl>
1 blue          19
2 red            4

方案2：正确使用base R的aggregate() #

之前的问题是我把完整的计算表达式直接传给了FUN参数，但aggregate()的FUN需要是一个函数（或者函数名称）。我们可以先自定义一个计算日期差的函数，再传给它：

# 先定义计算日期范围的函数
date_diff <- function(x) {
  as.numeric(max(x) - min(x), units = "days")
}

# 用aggregate分组计算
result <- aggregate(df1 ~ df2, data = df1, FUN = date_diff)
# 重命名列来匹配期望的格式
colnames(result) <- c("Group.1", "x")
result

运行后就能得到：

Group.1  x
1    blue 19
2     red  4

内容的提问来源于stack exchange，提问作者Luke Holcomb