R dcast.data.table中存在未记录的错误

（这篇文章之前在网站上发布过，但已经有几周没有发表评论了，我做了更多的工作来调试它。）

我遇到了一个奇怪的错误，internet搜索只出现在

数据的提交日志中。表

：

# Error in dcast.data.table(test.table, as.formula(paste(class.col, "+",  : 
#   retFirst must be integer vector the same length as nrow(i)

这是在对data.table运行之前测试过的工作dcast.data.table表达式时出现的，我已通过随机重采样

试验
替换对其进行了子集划分。令人不快的部分是：

dcast.data.table(test.table, 
                 Class + Time + Trial ~ Channel,
                 value.var = "Voltage",
                 fun.aggregate=identity)

它似乎被输入表中几乎重复的行阻塞了（即，无论表中是否存在
id
列，错误都是相同的）：

什么问题困扰着data.table？我试着改变键，搞乱公式项的顺序，只是为了看看，因为我不理解错误，但那不起作用

如果我用
restrape2
中的常规
dcast
替换函数调用，我会得到一个看似无关的错误：

# Error in vapply(indices, fun, .default) : values must be length 0, but FUN(X[[29]]) result is length 1

此时，在我的代码中，我不关心
试验值是否正确，因此我可以通过在公式中用
id
替换它来解决这个问题，但我感兴趣的是更通用或更健壮的解决方案。
更新：在v1.9.3中修复。发件人：

当指定了
fun.aggregate
但返回长度时，
dcast.data.table
提供了更好的错误消息1.关闭git。感谢特雷弗·亚历山大的报道


我同意错误消息应该更有助于理解问题，它通常位于data.table中。这只是一个我没有预料到的情况

如果你能把这个问题作为bug归档，我会在有时间的时候修复它


然而，在我看来，你的问题似乎微不足道。从
？dcast.data.table
：

# Error in dcast.data.table(test.table, as.formula(paste(class.col, "+",  : 
#   retFirst must be integer vector the same length as nrow(i)

fun.aggregate
-是否应在施法之前聚合数据？如果公式没有为每个单元格标识单个观察值，则聚合默认为带有消息的长度

在详细信息部分：“…必须使用fun.aggregate。聚合函数应将向量作为输入，并返回单个值（或长度为1的列表）作为输出。”

在您的示例中，公式的LHS会产生两个相同的行，这意味着必须使用
fun.aggregate
——如果不使用其中一行，则默认为
length
（如
restrape2:：：dcast
does）。您使用了
identity
，它只返回值。因此，它返回函数不喜欢的
电压
的两个值

错误消息应类似于：

错误：
fun.aggregate
应为每个唯一组（来自公式的
LHS
）返回一个长度为1的向量，但为组返回
length=2

或者类似的东西。请随意建议更好/更清晰的错误消息


附言：我不明白你所说的近乎重复是什么意思

如果您在LHS上使用
id
列，那么您应该能够获得所需的结果，因为您现在可以唯一地标识行

dcast.data.table(test.table, 
             Class + Time + Trial ~ Channel + id,
             value.var = "Voltage",
             fun.aggregate=identity)

#    Class     Time Trial        1_1        1_2
# 1:     1 201.1495  1169 -0.9923223 -0.9923223

该函数只考虑公式LHS中给定的列，以确定是否存在唯一行，而不是实际输入数据是否具有唯一行（如果这是混淆的话）


要回答OP的第二条评论：

当前获取结果（无错误）的唯一方法是函数返回列表：

dcast.data.table(test.table, 
             Class + Time + Trial ~ Channel,
             value.var = "Voltage",
             fun.aggregate=list)
#    Class     Time Trial                     1
# 1:     1 201.1495  1169 -0.9923223,-0.9923223

然后，您可以检查列的长度是否都为1，如果是，则取消列出。
如果您的示例为1，则会有所帮助。您没有包含示例数据，这样我们就可以准确地运行您的代码并遇到相同的错误。我同意，并且我在问题中提到，我想知道错误的含义，以便我知道如何以简洁的方式重现它，而不是用大量（可能不相关的）数据填充问题我不会说这些错误是不相关的，它们似乎都表明存在返回值不是“应该”的长度的情况。需要一个可复制的示例。尝试找到发生错误的数据的最小子集，然后使用gist.github或类似工具来承载数据。我将其缩小到相同行的
dcast
，并设法获得一个工作示例。我将编辑问题以使其更清楚；很抱歉。我肯定不会对dcast.data.table的行为有任何问题，而且这个错误并不是真的让人恼火，只是让人困惑。我所说的“近似重复”是指输入表不包含重复项（当给定唯一ID时，就像我在
dput
中所做的那样），但我给出的公式会导致生成非唯一行。回到两个月前我编写和测试的一个函数的内部，这些微妙之处都消失了，我很快就忘记了它是如何工作的：）我认为你提出的错误消息非常适合这一点。我在github提交了这个问题。我也同意你对
id
专栏的变通方法——这是我今天讨论的内容（见问题的结尾），但它有点不令人满意，因为它必须根据输入的结构进行处理；如果有某种方法可以“强制唯一性”，而不会对输出的结构产生太大的影响，那就太好了。
dcast.data.table(test.table, 
             Class + Time + Trial ~ Channel + id,
             value.var = "Voltage",
             fun.aggregate=identity)

#    Class     Time Trial        1_1        1_2
# 1:     1 201.1495  1169 -0.9923223 -0.9923223

dcast.data.table(test.table, 
             Class + Time + Trial ~ Channel,
             value.var = "Voltage",
             fun.aggregate=list)
#    Class     Time Trial                     1
# 1:     1 201.1495  1169 -0.9923223,-0.9923223