如何通过某些变量折叠数据框，并取其他变量的平均值

Question

我需要通过一些变量来总结数据框，而忽略其他变量。这有时被称为崩溃。例如，如果我有一个像这样的数据框：

Widget Type Energy  
egg 1 20  
egg 2 30  
jap 3 50  
jap 1 60

然后通过 Widget 折叠，并使用 Energy 作为因变量 Energy~Widget，将产生

Widget Energy  
egg  25  
jap  55  

在 Excel 中最接近的功能可能是“数据透视表”，我已经弄清楚如何在 python 中执行此操作（ http://alexholcombe。 wordpress.com/2009/01/26/summarizing-data-by-combinations-of-variables-with-python/），这是一个 R 使用 doBy 库做一些非常相关的事情的示例（ http://www.mail-archive.com/[email protected]/msg02643.html)，但是有没有一种简单的方法可以实现上述操作呢？更好的是，ggplot2 库中是否内置了任何东西来创建跨某些变量崩溃的绘图？

Answer 1

对于熟悉 SQL 的人来说，操作数据帧的另一种方法可以是 sqldf 包中的 sqldf 命令。

library(sqldf)
sqldf("SELECT Widget, avg(Energy) FROM yourDataFrame GROUP BY Widget")

Answer 2

@Jyotirmoy 提到这可以使用 plyr 库来完成。 样子：

DF <- read.table(text=
"Widget Type Energy  
egg 1 20  
egg 2 30  
jap 3 50  
jap 1 60", header=TRUE)

library("plyr")
ddply(DF, .(Widget), summarise, Energy=mean(Energy))

这就是它的

> ddply(DF, .(Widget), summarise, Energy=mean(Energy))
  Widget Energy
1    egg     25
2    jap     55

Answer 3

使用aggregate 来总结一个因素：

> df<-read.table(textConnection('
+ egg 1 20
+ egg 2 30
+ jap 3 50
+ jap 1 60'))
> aggregate(df$V3,list(df$V1),mean)
  Group.1  x
1     egg 25
2     jap 55

要获得更大的灵活性，请查看tapply 函数和plyr 包。

在 ggplot2 中使用 stat_summary 进行总结

qplot(V1,V3,data=df,stat="summary",fun.y=mean,geom='bar',width=0.4)