Här är plyr en linjevariant som använder ddply):

  dt <- data.frame (age = rchisq (20, 10), grupp = prov (1: 2,20, rep = T)) ddply (dt, ~ grupp, sammanfatta, medelvärde = medelvärde (ålder), sd = sd (ålder))  

Här är en annan variant med en rad med nytt paket data.table .

  dtf <- data.frame (age = rchisq (100000,10), group = factor (sample (1: 10,100000, rep = T))) dt <- data.table (dtf) dt [, lista (medelvärde = medelvärde (ålder), sd = sd (ålder)), efter = grupp]  

Den här är snabbare, men detta syns bara på bordet med 100 000 rader. Tider på min Macbook Pro med 2.53 Ghz Core 2 Duo-processor och R 2.11.1:

  > system.time (aa <- ddply (dtf, ~ grupp, sammanfatta, medelvärde = medelålder ), sd = sd (ålder))) utilisateur système écoulé 0.513 0.180 0.692 > system.time (aa <- dt [, lista (medelvärde = medelvärde (ålder), sd = sd (ålder)), efter = grupp]) utilisateur système écoulé 0,087 0,018 0,103 

Ytterligare besparingar är möjliga om vi använder setkey:

  > setkey (dt, group) > system.time (dt [, lista (medelvärde = medelvärde (ålder), sd = sd (ålder)), efter = grupp]) utilisateur système écoulé 0,040 0,007 0,048  

En möjlighet är att använda aggregeringsfunktionen. Till exempel

  aggregat (data $ age, by = list (data $ group), FUN = medel ) [2]  

ger dig den andra kolumnen med önskat resultat.

Eftersom du manipulerar en dataram är paketet dplyr förmodligen det snabbaste sättet att göra det.

  library (dplyr) dt <- data.frame (ålder = rchisq (20,10), grupp = prov (1: 2,20, rep = T)) grp <- grupp_by (dt, grupp) sammanfatta (grp, medelvärde = medelvärde (ålder), sd = sd (ålder ))  

eller motsvarande, med dplyr / magrittr röroperatör:

  bibliotek ( dplyr) dt <- data.frame (age = rchisq (20,10), group = sample (1: 2,20, rep = T)) group_by (dt, group)% >% summer (medelvärde = medelvärde (ålder) , sd = sd (ålder)  

REDIGERA fullständig användning av röroperatör:

  bibliotek (dplyr) data.frame (age = rchisq (20, 10), grupp = prov (1: 2,20, rep = T))% >% group_by (grupp)% >% sammanfattar (medelvärde = medelvärde (ålder), sd = sd (ålder))   före>

Bra, tack bquast för att du lagt till dplyr-lösningen!

Visar sig att då är dplyr och data.table väldigt nära:

  bibliotek (plyr) bibliotek ( dplyr) bibliotek (data.table) bibliotek (rbenchmark) dtf <- data.frame (age = rchisq (100000,10), group = factor (sample (1: 10,100000, rep = T))) dt <- data .table (dtf) setkey (dt, group) a<-benchmark (ddply (dtf, ~ group, plyr ::: summarize, mean = mean (age), sd = sd (age)), dt [, list (mean = medelvärde (ålder), sd = sd (ålder)), efter = grupp], grupp_by (dt, grupp)% >% sammanfatta (medelvärde = medelvärde (ålder), sd = sd (ålder)), grupp_by (dtf, grupp) % >% sammanfattar (medelvärde = medelvärde (ålder), sd = sd (ålder)) a [, c (1,3,4)]  

data.tabellen är fortfarande den snabbaste , följt mycket nära av dplyr (), som intressant verkar snabbare på data.frame än data.table:

  testet gått relativt1 ddply (dtf, ~ group, plyr ::: summer , medelvärde = medelvärde (ålder), sd = sd (ålder)) 1,689 4,8672 dt [, lista (medelvärde = medelvärde (ålder), sd = sd (ålder)), efter = grupp] 0,347 1.0004 grupp_by (dtf, grupp)% >% sammanfatta (medelvärde = medelvärde (ålder), sd = sd (ålder) ) 0,369 1,0633 grupp_by (dt, grupp)% >% sammanfattar (medelvärde = medelvärde (ålder), sd = sd (ålder)) 0,580 1,671  

Förutom befintliga förslag kanske du vill kolla in funktionen beskriv.av i paketet psyk .

Det ger ett nummer beskrivande statistik inklusive medelvärdet och standardavvikelsen baserat på en grupperingsvariabel.

Jag har funnit att funktionen summaryBy i doBy-paketet är den mest praktiska för detta:

  library (doBy) age = c (23.0883, 25.8344, 29.4648, 32.7858, 33.6372, 34.935, 35.2115, 35.2115, 5.2115, 36.7803) grupp = c (1, 1, 1, 2, 1, 1, 2, 2, 2, 1) dframe = data .ram (ålder = ålder, grupp = grupp) sammanfattning Av (ålder ~ grupp, data = dframe, FUN = c (medelvärde, sd)) # # gruppålder. medelålder.sd # 1 1 30.62333 5.415439 # 2 2 27.10507 14.640441  

Använd paketet sqldf . Detta gör att du nu kan använda SQL för att sammanfatta data. När du väl laddat den kan du skriva något som -

  sqldf ('select group, avg (age) from data group for group')  

Redigerad: Enligt chls förslag

Funktionen du letar efter kallas "tapply" som tillämpar en funktion per grupp som anges av en faktor.

  # skapa några konstgjorda dataset.seed (42) grupper <- 5agedat <- c () groupdat <- c () för (grupp i 1: grupper) {agedat <- c (agedat, rnorm (100, medelvärde = 0 + grupp, 1 / grupp)) groupdat <- c (groupdat, rep (grupp, 100))} dat <- data.frame ("age" = agedat, "group" = factor (groupdat)) # beräkna medel- och stdev-ålder per grupp <- rbind.data.frame (grupp = 1: 5, med (dat, tapply (ålder, grupp, funktion (x) c (medelvärde (x), sd (x)))) namn (res) <- klistra in ("grupp", 1: 5) rad.names (res) [2: 3] <- c ("medel", "sd")  

I föreslår verkligen att du arbetar igenom en grundläggande R-handledning som förklarar alla vanliga datastrukturer och metoder. Annars kommer du att fastna varje tum under programmeringen. Se den här frågan för en samling gratis tillgängliga resurser.

Här är ett exempel med funktionen aggregates () Jag gjorde själv för en tid sedan:

  # simulerar dataset.seed (666) (dat <- data . ram (grupp = gl (3,6), nivå = faktor (rep (c ("A", "B", "C"), 6)), y = rund (rnorm (18,10), 1) )) > dat gruppnivå y1 1 A 10.82 1 B 12.03 1 C 9.64 1 A 12.05 1 B 7.86 1 C 10.87 2 A 8.78 2 B 9.29 2 C 8.210 2 A 10.011 2 B 12.212 2 C 8.213 3 A 10.914 3 B 8.315 3 C 10.116 3 A 9.917 3 B 10.918 3 C 10.3 # aggregates () functionaggregates <- function (formula, data = NULL, FUNS) {if (class (FUNS) == "list") {f <- function (x) sapply (FUNS, funktion (kul) kul (x))} annat {f <- FUNS} temp <- aggregat (formel, data, f) ut <- data.frame (temp [, - ncol (temp)], temp [ , ncol (temp)]) kolumn (out) [1] <- colnames (temp) [1] return (out)} # exempel FUNS <- funktion (x) c (medel = rund (medel (x), 0), sd = rund (sd (x), 0 )) (ag <- aggregat (y ~ grupp: nivå, data = dat, FUNS = FUNS)) 

Det ger följande resultat:

  > ag gruppnivå medelvärde sd1 1 A 11 12 2 A 9 13 3 A 10 14 1 B 10 35 2 B 11 26 3 B 10 27 1 C 10 18 2 C 8 09 3 C 10 0  

Kanske kan du få samma resultat från R-split ():

  > med (dat, sapply (split (y, group: level), FUNS)) 1: A 1: B 1: C 2: A 2: B 2: C 3: A 3: B 3: Cmean 11 10 10 9 11 8 10 10 10sd 1 3 1 1 2 0 1 2 0  

Låt mig komma tillbaka till utdata från funktionen aggregates . Du kan förvandla den i en vacker tabell med omforma () , xtabs () och ftable () :

  rag <- omformning (ag, varierande = lista (3: 4), riktning = "lång", v.names = "y") rag $ tid <- faktor (rag $ tid) ft <- ftable (xtabs (y ~ grupp + nivå + tid, data = rag)) attribut (ft) $ col.vars <- list (c ("medel", "sd"))  

Detta ger:

  > ft medelvärde sdgruppnivå 1 A 11 1 B 10 3 C 10 12 A 9 1 B 11 2 C 8 03 A 10 1 B 10 2 C 10 0  kod > 

Vackert, eller hur? Du kan exportera denna tabell till en pdf med funktionen textplot () för paketet gplots .

Se här för andras lösningar.