tapply调用paste0时参数不同结果差异及转换方法问询

问题重现 #

给定含索引i、j和值v的三元组数据框，尝试构建矩阵并合并多值：

idx <-
  data.frame( i   = c(  1, 2, 3, 4,  4, 1  ),
              j   = c(  4, 3, 2, 1,  1, 4  ),
              v   = c(  1, 1, 0, 0,"=", "=")
            )

调用带collapse参数的tapply得到合并后的矩阵：

a1 <- tapply(idx$v, idx[1:2], FUN = paste0, collapse="")

结果：

y
x   1    2   3   4   
  1 NA   NA  NA  "1="
  2 NA   NA  "1" NA  
  3 NA   "0" NA  NA  
  4 "0=" NA  NA  NA  

省略collapse参数后，结果结构完全不同：

a2 <- tapply(idx$v, idx[1:2], FUN = paste0)

结果：

y
x   1           2    3    4          
  1 NULL        NULL NULL character,2
  2 NULL        NULL "1"  NULL       
  3 NULL        "0"  NULL NULL       
  4 character,2 NULL NULL NULL  

其中character,2是包含两个元素的列表：

# [[1]]
# [1] "1" "="

行为差异的原因 #

1. paste0的参数逻辑：

   • 未指定collapse时，paste0对输入向量的每个元素独立执行字符转换，返回与输入长度相同的向量（比如含两个元素的组会返回长度为2的字符向量）。
   • 指定collapse时，paste0会将整个输入向量的所有元素拼接成单个字符串，返回长度为1的标量。

2. tapply的返回规则：

   • 如果分组后FUN返回长度为1的结果，tapply将其作为矩阵的标量元素存储；
   • 如果FUN返回长度>1的向量，tapply会将该向量包裹成列表，作为矩阵对应位置的元素，这就是a2中出现character,2列表的原因。

将a2转换为a1的简便方法 #

可以用vapply遍历a2的每个元素，统一处理空值（NULL）和多值向量：

a1_from_a2 <- vapply(a2, function(x) {
  if (is.null(x)) NA_character_ else paste0(x, collapse = "")
}, FUN.VALUE = character(1))
# 恢复矩阵的维度和名称
dim(a1_from_a2) <- dim(a2)
dimnames(a1_from_a2) <- dimnames(a2)

执行后a1_from_a2的结果与a1完全一致。

关于NA的补充说明 #

paste0系列函数会自动将NA转换为字符串"NA"，而非保留原NA值，即使指定collapse参数也是如此：

idx <-
  data.frame( i   = c(  1,  2, 3, 4),
              j   = c(  4,  3, 2, 1),
              v   = c(  1, NA, 0, 0)
            )
a3 <- tapply(idx$v, idx[1:2], FUN = paste0, collapse="")

结果：

j
i   1   2   3    4  
  1 NA  NA  NA   "1"
  2 NA  NA  "NA" NA 
  3 NA  "0" NA   NA 
  4 "0" NA  NA   NA

内容的提问来源于stack exchange，提问作者clp