R语言使用dplyr按分组求和遇错误，请求排查原因

这个报错的核心原因其实很直白：你的Trade_value_local列被R识别成了因子（factor）类型，而sum()函数根本没法对因子类型的数据做求和计算——就好比你不能直接把一串文字加起来一样！

为什么test_dplyr数据集能正常运行，trades_test却不行？大概率是因为：

• test_dplyr.csv里的amount列全是纯数值，read.csv()自动把它解析成了数值类型；
• 而trades_test.csv的Trade_value_local列里混了非数值内容（比如逗号分隔的千位符、美元符号、文字备注，甚至是格式奇怪的空值），导致read.csv()默认把它当成了因子处理。

下面给你几个实用的解决方案：

方案1：读取数据时直接指定列类型 #

在read.csv()里用colClasses参数强制把Trade_value_local设置为数值类型，遇到非数值内容会自动转成NA（后续你可以根据情况处理这些NA）：

trades_test = read.csv("trades_test.csv", header=TRUE, colClasses = c("Trade_value_local" = "numeric"))

如果不想指定其他列的类型，只针对这一列设置也可以：

trades_test = read.csv("trades_test.csv", header=TRUE, colClasses = c(Trade_value_local = "numeric"))

方案2：已读入数据后转换列类型 #

如果数据已经读进R里了，可以先把因子转成字符再转成数值（直接转因子会得到水平的编码，不是原始数值）：

# 先看看因子里有什么内容，排查非数值字符
levels(trades_test$Trade_value_local)
# 转换类型
trades_test$Trade_value_local = as.numeric(as.character(trades_test$Trade_value_local))
# 执行分组求和，记得加na.rm=TRUE忽略转换产生的NA
trades_test %>% group_by(Trade_date, Country_code) %>% summarise(a_sum=sum(Trade_value_local, na.rm=TRUE))

小技巧：提前检查数据类型 #

读入数据后先检查各列的类型，能帮你提前发现这类问题：

# 用base R的str查看结构
str(trades_test)
# 或者用dplyr的glimpse更直观
library(dplyr)
glimpse(trades_test)

内容的提问来源于stack exchange，提问作者Yi Wen Edwin Ang