R的诡异错误(2)
A pitfall in R
R里面的陷阱一个接一个，继上次说的诡异错误，最近我又跌进了另一个坑。
先创造一个叫df的data.frame， 如下所示：
options(stringsAsFactors = FALSE)
df <- data.frame(
group = c("group1", "group2"),
val = c(100, 9)
)
df
＃ df content:
＃
＃ group val
＃1 group1 100
＃2 group2 9
我们统计一下val列在每组（group）的均值：
## get mean value per group
library(plyr)
res <- ddply(df, .(group), function(x) {
c(group = unique(x$group),
val = mean(x$val))
})
res
res的结果如下：
> res group val 1 group1 100 2 group2 9 > res[1,2] > res[2,2] [1] FALSE
困惑的地方来了，res[1,2]显示的是“100”， res[2,2]现实的是“9”, 为什么res[1,2] > res[2,2]的结果是FALSE？
R肯定是认为100比9大。这显然是不对的。
那上面哪个地方有陷阱呢？再仔细看一下高亮显示的两行，看出问题了么？
## get mean value per group
res <- ddply(df, .(group), function(x) {
c(group = unique(x$group),
val = mean(x$val))
})
陷阱在于第3－4行，当用c()来构造一个向量时，val被自动从数值型转成字符型。也就是说，存储的是“100”和“9”，不是100和9。
在字符型数值的比较中，“9”是会比“100”大的。因此order输出的是2 1.
从这个坑里爬出来，不由得吐槽一下，R的自动类型转换能减少程序的代码量，但是这种类型转换很容易引入错误。
也就是说R编程时不需要程序员去检查类型，但在底层R会自动的（有时也是自作聪明的）转换类型。
这就要求程序员额外费心考虑类型之间的自动转换，实际上加重了编程的负担。
如果不然，程序员放任R做自动的类型匹配和转换，就可能得到错误的结果，这在科学研究中实在是很危险。
既然R的坑这么多，我想过去试试新出的Julia或者Go语言。可惜现在这些语言都没有很好的支持统计计算，比如Julia目前缺少对缺失数据（missing data）的支持，
比较有希望的NumPy写起来语法繁杂，近期吸引不到大多数的统计学家（统计的用户太少，机器学习的用户多）。
要是能有一种计算工具，可以让统计学家很容易的使用，同时又有较强的类型系统，还能把大多数R包迁移过去，那这种工具必有远大前程。