R 语言中的汇总统计：如何批量计算不同因素不同水平的平均值
R 语言中的汇总统计：如何批量计算不同因素不同水平的平均值
邓飞
发布于 2019-07-16 16:07:03
发布于 2019-07-16 16:07:03
有很多初学者遇到的问题，写出来，更好的自我总结，正所谓：“学然后知不足，教然后知困”。以输出（写博客）倒逼输入（学习），被动学习, kill time，是一个不错的方法。
参考
https://stackoverflow.com/questions/12478943/how-to-group-data-table-by-multiple-columns
实际工作中，我们需要对数据进行平均值计算，这里我比较了aggregate和data.table的方法，测试主要包括：
1，对数据yield计算平均值 2，计算N不同水平的平均值 3， 计算N和P不同水平的平均值
1. 常规方法aggregate
代码：
data(npk)
head(npk)
aggregate(yield~N,data=npk,FUN = mean)
aggregate(yield~N+P,data=npk,FUN = mean)结果
> aggregate(yield~N,data=npk,FUN = mean)
N yield
1 0 52.06667
2 1 57.68333
> aggregate(yield~N+P,data=npk,FUN = mean)
N P yield
1 0 0 51.71667
2 1 0 59.21667
3 0 1 52.41667
4 1 1 56.150002. 使用data.table方法
代码：
data(npk)
head(npk)
library(data.table)
setDT(npk)
# 单个变量
npk[,mean(yield),by=N]
# 两个变量
npk[,mean(yield),by=c("N","P")]
# 两个变量的另一种写法
npk[,mean(yield),by=list(N,P)]
npk[,mean(yield),by=.(N,P)]结果：
> # 单个变量
> npk[,mean(yield),by=N]
N V1
1: 0 52.06667
2: 1 57.68333
>
> # 两个变量
> npk[,mean(yield),by=c("N","P")]
N P V1
1: 0 1 52.41667
2: 1 1 56.15000
3: 0 0 51.71667
4: 1 0 59.21667
>
>
> # 两个变量的另一种写法
> npk[,mean(yield),by=list(N,P)]
N P V1
1: 0 1 52.41667
2: 1 1 56.15000
3: 0 0 51.71667
4: 1 0 59.21667
> npk[,mean(yield),by=.(N,P)]
N P V1
1: 0 1 52.41667
2: 1 1 56.15000
3: 0 0 51.71667
4: 1 0 59.21667要点：
data.table速度更快，语法更简单。
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2019-07-16，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
相关产品与服务
云数据库 Redis
腾讯云数据库 Redis（TencentDB for Redis）是腾讯云打造的兼容 Redis 协议的缓存和存储服务。丰富的数据结构能帮助您完成不同类型的业务场景开发。支持主从热备，提供自动容灾切换、数据备份、故障迁移、实例监控、在线扩容、数据回档等全套的数据库服务。