我有一个
data.frame，我需要计算每组的平均值（即下面的每个Month）。Name Month Rate1 Rate2
Aira 1 12 23
Aira 2 18 73
Aira 3 19 45
Ben 1 53 19
Ben 2 22 87
Ben 3 19 45
Cat 1 22 87
Cat 2 67 43
Cat 3 45 32
我想要的输出如下所示，其中
Rate1和Rate2的值是组均值。请忽略该值，我已经在示例中进行了弥补。Name Rate1 Rate2
Aira 23.21 12.2
Ben 45.23 43.9
Cat 33.22 32.2
#1 楼
这种类型的操作正是aggregate设计的目的：d <- read.table(text=
'Name Month Rate1 Rate2
Aira 1 12 23
Aira 2 18 73
Aira 3 19 45
Ben 1 53 19
Ben 2 22 87
Ben 3 19 45
Cat 1 22 87
Cat 2 67 43
Cat 3 45 32', header=TRUE)
aggregate(d[, 3:4], list(d$Name), mean)
Group.1 Rate1 Rate2
1 Aira 16.33333 47.00000
2 Ben 31.33333 50.33333
3 Cat 44.66667 54.00000
这里我们汇总data.frame
d的第3列和第4列，按d$Name分组，并应用mean函数。或者使用公式接口：
aggregate(. ~ Name, d[-2], mean)
评论
是的，通过将其更改为aggregate（d [，3：4]，list（Name = d $ Name），平均值）
– jbaums
2014年2月24日9:17
当使用aggregate（as.numeric（matrix $ value），list（matrix $ hour），mean）时，由于某种原因，我得到了一些NaN值。检查我的data.table中的is.nan（）和is.na（）不会显示任何结果。有什么想法吗？
– jdepypere
2015年5月11日23:12
@jdepypere-不知道为什么，但是仔细查看split（matrix $ value，matrix $ hour）的元素可能会有所帮助，这些元素与从您的集合中返回NaN的元素相对应（即split（matrix $ value， matrix $ hour）[is.nan（aggregate（as.numeric（matrix $ value），list（matrix $ hour），mean）[，2]）]）
– jbaums
2015年5月11日23:25
好答案。聚合（d [，3：4]，列表（d [，1]），均值）或聚合（d [，c（'Rate1'，'Rate2'）]，list（d [，c（'Name' ）]），意思是）更“一致”，恕我直言。
–PatrickT
16 Jun 19'在7:04
@FabianHabersack您将结果与原始数据合并，但是您需要为聚合对象使用不同的名称。使用dplyr可以轻松完成所需的工作：d％>％group_by（Name）％>％mutate（mean1 = mean（Rate1），mean2 = mean（Rate2））
– jbaums
19年5月29日在9:48
#2 楼
或使用group_by软件包中的summarise_at和dplyr：library(dplyr)
d %>%
group_by(Name) %>%
summarise_at(vars(-Month), funs(mean(., na.rm=TRUE)))
# A tibble: 3 x 3
Name Rate1 Rate2
<fct> <dbl> <dbl>
1 Aira 16.3 47.0
2 Ben 31.3 50.3
3 Cat 44.7 54.0
有关指定作用于变量的多种方法，请参见
?summarise_at。在这里，vars(-Month)表示除Month之外的所有变量。评论
总结_each在新版本中已弃用。我应该使用intead？我尝试了summarise_at或_if or_all。但是没用。
–ferrelwill
17年4月4日在22:22
尝试d％>％group_by（Name）％>％summarise_at（.vars = names（。）[3：4] ,. funs = c（mean =“ mean”））
– CER
18年1月19日在19:51
#3 楼
您还可以使用软件包plyr，它以某种方式更加通用：library(plyr)
ddply(d, .(Name), summarize, Rate1=mean(Rate1), Rate2=mean(Rate2))
Name Rate1 Rate2
1 Aira 16.33333 47.00000
2 Ben 31.33333 50.33333
3 Cat 44.66667 54.00000
#4 楼
第三种不错的选择是使用软件包data.table，该软件包也具有data.frame类，但是像您正在查找的操作的计算速度要快得多。library(data.table)
mydt <- structure(list(Name = c("Aira", "Aira", "Aira", "Ben", "Ben", "Ben", "Cat", "Cat", "Cat"), Month = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), Rate1 = c(15.6396600443877, 2.15649279424609, 6.24692918928743, 2.37658797276116, 34.7500663272292, 3.28750138697048, 29.3265553981065, 17.9821839334431, 10.8639802575958), Rate2 = c(17.1680489538369, 5.84231656330206, 8.54330866437461, 5.88415184986176, 3.02064294862551, 17.2053351400752, 16.9552950199166, 2.56058000170089, 15.7496228048122)), .Names = c("Name", "Month", "Rate1", "Rate2"), row.names = c(NA, -9L), class = c("data.table", "data.frame"))
首先，确定要取平均值的平均值
colstoavg <- names(mydt)[3:4]
现在，我们使用lapply对要平均的列取平均值（colstoavg）
mydt.mean <- mydt[,lapply(.SD,mean,na.rm=TRUE),by=Name,.SDcols=colstoavg]
mydt.mean
Name Rate1 Rate2
1: Aira 8.014361 10.517891
2: Ben 13.471385 8.703377
3: Cat 19.390907 11.755166
评论
是否有必要甚至在data.tables中使用lapply？
–Herman牙刷
19年11月10日在16:47
@HermanToothrot我至少会这样说。特别是在这种情况下，通过使用.SDcols，他们精确地指定了要将功能应用到哪些列。如果您可以想象有一个data.table包含大量列的情况，则可以首先获取所有数字列的名称，然后使用.SDcols = numericVars进行设置，而不必尝试命名它们全部在j列中。另一个实例正在使用：=在适当位置分配值.SD：= lapply（.SD，f）
– cnolte
7月4日3:06
#5 楼
我描述了两种方法，一种基于data.table，另一种基于reshape2 package。 data.table的方式已经有了答案，但是我试图使其更整洁和详细。数据是这样的：
d <- structure(list(Name = structure(c(1L, 1L, 1L, 2L, 2L, 2L, 3L,
3L, 3L), .Label = c("Aira", "Ben", "Cat"), class = "factor"),
Month = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), Rate1 = c(12L,
18L, 19L, 53L, 22L, 19L, 22L, 67L, 45L), Rate2 = c(23L, 73L,
45L, 19L, 87L, 45L, 87L, 43L, 32L)), .Names = c("Name", "Month",
"Rate1", "Rate2"), class = "data.frame", row.names = c(NA, -9L
))
head(d)
Name Month Rate1 Rate2
1 Aira 1 12 23
2 Aira 2 18 73
3 Aira 3 19 45
4 Ben 1 53 19
5 Ben 2 22 87
6 Ben 3 19 45
library("reshape2")
mym <- melt(d, id = c("Name"))
res <- dcast(mym, Name ~ variable, mean)
res
#Name Month Rate1 Rate2
#1 Aira 2 16.33333 47.00000
#2 Ben 2 31.33333 50.33333
#3 Cat 2 44.66667 54.00000
使用data.table：
# At first, I convert the data.frame to data.table and then I group it
setDT(d)
d[, .(Rate1 = mean(Rate1), Rate2 = mean(Rate2)), by = .(Name)]
# Name Rate1 Rate2
#1: Aira 16.33333 47.00000
#2: Ben 31.33333 50.33333
#3: Cat 44.66667 54.00000
还有另一种方法，避免使用.SD
d[, lapply(.SD, mean), by = .(Name)]
# Name Month Rate1 Rate2
#1: Aira 2 16.33333 47.00000
#2: Ben 2 31.33333 50.33333
#3: Cat 2 44.66667 54.00000
如果我们只想拥有Rate1和Rate2，则可以如下使用.SDcols：
d[, lapply(.SD, mean), by = .(Name), .SDcols = 3:4]
# Name Rate1 Rate2
#1: Aira 16.33333 47.00000
#2: Ben 31.33333 50.33333
#3: Cat 44.66667 54.00000
评论
刚刚意识到虽然已经有了答案：stackoverflow.com/a/22004271/559784
–阿伦
16年5月25日在18:41
#6 楼
这是在基本R中执行此操作的多种方法，包括可选的aggregate方法。下面的示例每月返回平均值，我认为这是您所要求的。虽然，可以使用相同的方法来返回每人的均值：使用
ave：my.data <- read.table(text = '
Name Month Rate1 Rate2
Aira 1 12 23
Aira 2 18 73
Aira 3 19 45
Ben 1 53 19
Ben 2 22 87
Ben 3 19 45
Cat 1 22 87
Cat 2 67 43
Cat 3 45 32
', header = TRUE, stringsAsFactors = FALSE, na.strings = 'NA')
Rate1.mean <- with(my.data, ave(Rate1, Month, FUN = function(x) mean(x, na.rm = TRUE)))
Rate2.mean <- with(my.data, ave(Rate2, Month, FUN = function(x) mean(x, na.rm = TRUE)))
my.data <- data.frame(my.data, Rate1.mean, Rate2.mean)
my.data
使用
by：my.data <- read.table(text = '
Name Month Rate1 Rate2
Aira 1 12 23
Aira 2 18 73
Aira 3 19 45
Ben 1 53 19
Ben 2 22 87
Ben 3 19 45
Cat 1 22 87
Cat 2 67 43
Cat 3 45 32
', header = TRUE, stringsAsFactors = FALSE, na.strings = 'NA')
by.month <- as.data.frame(do.call("rbind", by(my.data, my.data$Month, FUN = function(x) colMeans(x[,3:4]))))
colnames(by.month) <- c('Rate1.mean', 'Rate2.mean')
by.month <- cbind(Month = rownames(by.month), by.month)
my.data <- merge(my.data, by.month, by = 'Month')
my.data
使用
lapply和split：my.data <- read.table(text = '
Name Month Rate1 Rate2
Aira 1 12 23
Aira 2 18 73
Aira 3 19 45
Ben 1 53 19
Ben 2 22 87
Ben 3 19 45
Cat 1 22 87
Cat 2 67 43
Cat 3 45 32
', header = TRUE, stringsAsFactors = FALSE, na.strings = 'NA')
ly.mean <- lapply(split(my.data, my.data$Month), function(x) c(Mean = colMeans(x[,3:4])))
ly.mean <- as.data.frame(do.call("rbind", ly.mean))
ly.mean <- cbind(Month = rownames(ly.mean), ly.mean)
my.data <- merge(my.data, ly.mean, by = 'Month')
my.data
使用
sapply和split：my.data <- read.table(text = '
Name Month Rate1 Rate2
Aira 1 12 23
Aira 2 18 73
Aira 3 19 45
Ben 1 53 19
Ben 2 22 87
Ben 3 19 45
Cat 1 22 87
Cat 2 67 43
Cat 3 45 32
', header = TRUE, stringsAsFactors = FALSE, na.strings = 'NA')
my.data
sy.mean <- t(sapply(split(my.data, my.data$Month), function(x) colMeans(x[,3:4])))
colnames(sy.mean) <- c('Rate1.mean', 'Rate2.mean')
sy.mean <- data.frame(Month = rownames(sy.mean), sy.mean, stringsAsFactors = FALSE)
my.data <- merge(my.data, sy.mean, by = 'Month')
my.data
使用
aggregate：my.data <- read.table(text = '
Name Month Rate1 Rate2
Aira 1 12 23
Aira 2 18 73
Aira 3 19 45
Ben 1 53 19
Ben 2 22 87
Ben 3 19 45
Cat 1 22 87
Cat 2 67 43
Cat 3 45 32
', header = TRUE, stringsAsFactors = FALSE, na.strings = 'NA')
my.summary <- with(my.data, aggregate(list(Rate1, Rate2), by = list(Month),
FUN = function(x) { mon.mean = mean(x, na.rm = TRUE) } ))
my.summary <- do.call(data.frame, my.summary)
colnames(my.summary) <- c('Month', 'Rate1.mean', 'Rate2.mean')
my.summary
my.data <- merge(my.data, my.summary, by = 'Month')
my.data
编辑：2020年6月28日
这里我使用
aggregate来获取列按组划分的整个means的matrix，其中在外部vector中定义了组：my.group <- c(1,2,1,2,2,3,1,2,3,3)
my.data <- matrix(c( 1, 2, 3, 4, 5,
10, 20, 30, 40, 50,
2, 4, 6, 8, 10,
20, 30, 40, 50, 60,
20, 18, 16, 14, 12,
1000, 1100, 1200, 1300, 1400,
2, 3, 4, 3, 2,
50, 40, 30, 20, 10,
1001, 2001, 3001, 4001, 5001,
1000, 2000, 3000, 4000, 5000), nrow = 10, ncol = 5, byrow = TRUE)
my.data
my.summary <- aggregate(list(my.data), by = list(my.group), FUN = function(x) { my.mean = mean(x, na.rm = TRUE) } )
my.summary
# Group.1 X1 X2 X3 X4 X5
#1 1 1.666667 3.000 4.333333 5.000 5.666667
#2 2 25.000000 27.000 29.000000 31.000 33.000000
#3 3 1000.333333 1700.333 2400.333333 3100.333 3800.333333
#7 楼
您也可以使用通用函数cbind()和lm()而不使用截距：cbind(lm(d$Rate1~-1+d$Name)$coef,lm(d$Rate2~-1+d$Name)$coef)
> [,1] [,2]
>d$NameAira 16.33333 47.00000
>d$NameBen 31.33333 50.33333
>d$NameCat 44.66667 54.00000
#8 楼
您还可以使用sqldf软件包来完成此操作，如下所示：library(sqldf)
x <- read.table(text='Name Month Rate1 Rate2
Aira 1 12 23
Aira 2 18 73
Aira 3 19 45
Ben 1 53 19
Ben 2 22 87
Ben 3 19 45
Cat 1 22 87
Cat 2 67 43
Cat 3 45 32', header=TRUE)
sqldf("
select
Name
,avg(Rate1) as Rate1_float
,avg(Rate2) as Rate2_float
,avg(Rate1) as Rate1
,avg(Rate2) as Rate2
from x
group by
Name
")
# Name Rate1_float Rate2_float Rate1 Rate2
#1 Aira 16.33333 47.00000 16 47
#2 Ben 31.33333 50.33333 31 50
#3 Cat 44.66667 54.00000 44 54
我最近转换为
dplyr，如其他答案所示，但sqldf可以作为大多数数据使用分析师/数据科学家/开发人员至少精通SQL。这样，我认为它比dplyr或上面介绍的其他解决方案更倾向于使代码更具通用性。 UPDATE：在回应下面的评论时，我试图更新如上所示的代码。但是，该行为不符合我的预期。似乎只有在列别名与原始列名匹配时才执行列定义（即
int与float）。当您指定新名称时，将返回聚合列而不进行舍入。 评论
您能对四舍五入发表评论吗？
–PatrickT
16年6月19日在7:23
@partickt，您好（抱歉造成延迟），这是SQL的细微差别，在此进行描述：stackoverflow.com/questions/18493976/…。如您所见，由于SQL以int开头，因此将其保留为int。 avg（cast（Ratei as float））应该得到一个十进制值，可以根据需要用round换行。 avg（Ratei * 1.0）也应强制为浮点数...也没有运行
– joemienko
16年6月21日在16:21
评论
这可能是有用的R分组功能如果还有更多的列（例如，名字，姓氏和地址）而不是仅按名称分组，该怎么办？