如何利用aggregate对数据进行分组处理

这篇文章主要介绍了如何利用aggregate对数据进行分组处理，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

利用aggregate对数据进行分组处理，包括分组求和，分组取均值，最大值，中位数等等

aggregate这个函数的功能比较强大，它首先将数据进行分组（按行），然后对每一组数据进行函数统计，根据数据对象不同它有三种用法，分别应用于数据框（data.frame）、公式（formula）和时间序列（ts）：

aggregate(x, by, FUN, ..., simplify = TRUE)aggregate(formula, data, FUN, ..., subset, na.action = na.omit)aggregate(x, nfrequency = 1, FUN = sum, ndeltat = 1, ts.eps = getOption("ts.eps"), ...)

其中针对数据的分组处理，例如有数据如下：

> dat  ID sample1 sample2 sample3 type1  A       1       2       2    12  A       2       4       9    23  A       4       3       1    34  C       5       5       8    15  C       6       9       7    26  C       3       1       3    37  D       9      10       9    18  D      11      18       1    2

按照type对数据进行分组求和，均值或者median等等，以sum为例：

> temp=aggregate(dat[,2:4],by=list(dat$type),FUN=sum)> temp  Group.1 sample1 sample2 sample31       1      15      17      192       2      19      31      173       3       7       4       4>

参数的第一个必须为数值型，所以去掉了第一列，对type不做操作，也去除，得到的数据Group.1即type类型
如果同时针对两种分组ID 和type进行，可以获得如下结果：

> temp=aggregate(dat[,2:4],by=list(dat$ID,dat$type),FUN=sum)> temp  Group.1 Group.2 sample1 sample2 sample31       A       1       1       2       22       C       1       5       5       83       D       1       9      10       94       A       2       2       4       95       C       2       6       9       76       D       2      11      18       17       A       3       4       3       18       C       3       3       1       3

mean、median、max等操作相同

感谢你能够认真阅读完这篇文章，希望小编分享的"如何利用aggregate对数据进行分组处理"这篇文章对大家有帮助，同时也希望大家多多支持，关注行业资讯频道，更多相关知识等着你来学习!