如何利用aggregate對數據進行分組處理

這篇文章主要介紹了如何利用aggregate對數據進行分組處理，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

利用aggregate對數據進行分組處理，包括分組求和，分組取均值，最大值，中位數等等

aggregate這個函數的功能比較強大，它首先將數據進行分組（按行），然后對每一組數據進行函數統計，根據數據對象不同它有三種用法，分別應用于數據框（data.frame）、公式（formula）和時間序列（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"), ...)

其中針對數據的分組處理，例如有數據如下：

> dat
  ID sample1 sample2 sample3 type
1  A       1       2       2    1
2  A       2       4       9    2
3  A       4       3       1    3
4  C       5       5       8    1
5  C       6       9       7    2
6  C       3       1       3    3
7  D       9      10       9    1
8  D      11      18       1    2

按照type對數據進行分組求和，均值或者median等等，以sum為例：

> temp=aggregate(dat[,2:4],by=list(dat$type),FUN=sum)
> temp
  Group.1 sample1 sample2 sample3
1       1      15      17      19
2       2      19      31      17
3       3       7       4       4
>

參數的第一個必須為數值型，所以去掉了第一列，對type不做操作，也去除，得到的數據Group.1即type類型
如果同時針對兩種分組ID 和type進行，可以獲得如下結果：

> temp=aggregate(dat[,2:4],by=list(dat$ID,dat$type),FUN=sum)
> temp
  Group.1 Group.2 sample1 sample2 sample3
1       A       1       1       2       2
2       C       1       5       5       8
3       D       1       9      10       9
4       A       2       2       4       9
5       C       2       6       9       7
6       D       2      11      18       1
7       A       3       4       3       1
8       C       3       3       1       3

mean、median、max等操作相同

感謝你能夠認真閱讀完這篇文章，希望小編分享的“如何利用aggregate對數據進行分組處理”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!