R语言中aggregate用点号作公式参数求和结果错误的原因

开发者阿泽

2026-5-14

问题拆解与解决方案

这个问题的核心其实和aggregate()的默认行为以及公式中.的含义有关，我来一步步给你拆解清楚：

1. 公式中`.`的真实含义

当你使用.~ Article作为聚合公式时，.代表除了分组变量Article之外的所有列。也就是说，如果你的df里除了Article和Revenue，还有其他任何列（哪怕是你没注意到的临时列、数据导入时附带的冗余列），aggregate()都会对这些列同时执行聚合操作。

2. 导致结果不一致的关键：`na.action`默认行为

aggregate()函数的默认na.action参数是na.omit，这个参数的作用是：只要某一行的任何一列（包括你没打算聚合的其他列）存在NA，这一行就会被完全排除在聚合计算之外。

而你的sum_1是直接对Article == A的Revenue求和，并且用na.rm=T忽略Revenue本身的NA——这意味着那些「其他列有NA但Revenue有有效值」的行，会被sum_1纳入计算，但会被aggregate(.~ Article, ...)的na.omit规则给排除掉。这样一来，df_agg$Revenue[df_agg$Article == A]的求和结果就会比sum_1小，自然sum_1 != sum_2。

3. 为什么改用`Revenue ~ Article`就正常了？

当你明确指定聚合Revenue列时，aggregate()的na.omit只会检查公式中涉及的两个变量：Revenue和Article。这时候被排除的行只有Revenue为NA或者Article为NA的行，和你sum_1里na.rm=T的逻辑完全对齐——sum_1忽略Revenue的NA，而aggregate(Revenue ~ Article, ...)也会排除Revenue为NA的行，最终两者的求和范围完全一致，所以sum_1 == sum_2成立。

验证与修复方法

你可以先检查df中是否存在其他带NA的列：运行colSums(is.na(df))查看各列的NA数量，就能确认是否有冗余列影响了聚合结果。
如果你想继续使用.的写法，也可以手动指定na.action=na.pass，让aggregate()不排除任何行，而是在求和时处理NA：
```
df_agg = aggregate(.~ Article, data = df, sum, na.rm=T, na.action=na.pass)
```
这样不管用.还是明确指定Revenue，结果都会和sum_1一致。