如何按组分组variables？
假设我有两列数据。 第一个包含“First”，“Second”，“Third”等类别。第二个包含表示我看到“First”的次数的数字。
例如：
Category Frequency First 10 First 15 First 5 Second 2 Third 14 Third 20 Second 3 我想按类别对数据进行sorting并对频率进行求和：
Category Frequency First 30 Second 5 Third 34
我如何在R中做到这一点？
使用aggregate ：
aggregate(x$Frequency, by=list(Category=x$Category), FUN=sum) Category x 1 First 30 2 Second 5 3 Third 34
（embedded@thelatemail评论）， aggregate也有一个公式接口
aggregate(Frequency ~ Category, x, sum)
或者如果你想聚合多个列，你可以使用. 符号（也适用于一列）
aggregate(. ~ Category, x, sum)
或者tapply ：
tapply(x$Frequency, x$Category, FUN=sum) First Second Third 30 5 34
使用这些数据：
x <- data.frame(Category=factor(c("First", "First", "First", "Second", "Third", "Third", "Second")), Frequency=c(10,15,5,2,14,20,3))
最近，您也可以使用dplyr软件包来达到这个目的：
library(dplyr) x %>% group_by(Category) %>% summarise(Frequency = sum(Frequency)) #Source: local data frame [3 x 2] # # Category Frequency #1 First 30 #2 Second 5 #3 Third 34
或者，对于多个摘要列 （与一列一起工作）：
x %>% group_by(Category) %>% summarise_each(funs(sum))
dplyr> = 0.5的更新：summarise_each已被sumrise_all，summarise_at和summarise_ifreplace为dplyr中的函数族。
或者，如果您有多个要分组的列，则可以在group_by中用逗号分隔所有的列 ：
mtcars %>% group_by(cyl, gear) %>% # multiple group columns summarise(max_hp = max(hp), mean_mpg = mean(mpg)) # multiple summary columns
有关更多信息，包括%>%运算符，请参阅dplyr的介绍 。
rcs提供的答案很有用，而且很简单。 但是，如果您正在处理较大的数据集并需要提高性能，则有一个更快的select：
library(data.table) data = data.table(Category=c("First","First","First","Second","Third", "Third", "Second"), Frequency=c(10,15,5,2,14,20,3)) data[, sum(Frequency), by = Category] # Category V1 # 1: First 30 # 2: Second 5 # 3: Third 34 system.time(data[, sum(Frequency), by = Category] ) # user system elapsed # 0.008 0.001 0.009
让我们比较一下，使用data.frame和上面的同样的东西：
data = data.frame(Category=c("First","First","First","Second","Third", "Third", "Second"), Frequency=c(10,15,5,2,14,20,3)) system.time(aggregate(data$Frequency, by=list(Category=data$Category), FUN=sum)) # user system elapsed # 0.008 0.000 0.015
如果你想保留这个列，这是语法：
data[,list(Frequency=sum(Frequency)),by=Category] # Category Frequency # 1: First 30 # 2: Second 5 # 3: Third 34
大数据集的差异会变得更明显，如下面的代码所示：
data = data.table(Category=rep(c("First", "Second", "Third"), 100000), Frequency=rnorm(100000)) system.time( data[,sum(Frequency),by=Category] ) # user system elapsed # 0.055 0.004 0.059 data = data.frame(Category=rep(c("First", "Second", "Third"), 100000), Frequency=rnorm(100000)) system.time( aggregate(data$Frequency, by=list(Category=data$Category), FUN=sum) ) # user system elapsed # 0.287 0.010 0.296
对于多个聚合，您可以按如下方式组合lapply和.SD
data[, lapply(.SD, sum), by = Category] # Category Frequency # 1: First 30 # 2: Second 5 # 3: Third 34
这与这个问题有些相关 。
你也可以使用by（）函数：
x2 <- by(x$Frequency, x$Category, sum) do.call(rbind,as.list(x2))
那些其他的包（plyr，reshape）具有返回data.frame的好处，但值得熟悉的是（），因为它是一个基本函数。
library(plyr) ddply(tbl, .(Category), summarise, sum = sum(Frequency))
只是添加第三个选项：
require(doBy) summaryBy(Frequency~Category, data=yourdataframe, FUN=sum)
编辑：这是一个非常古老的答案。 现在我会推荐使用group_by并从dplyr中进行汇总，就像在@docendo中回答一样。
如果x是数据的数据框，那么下面的代码就可以做你想要的：
require(reshape) recast(x, Category ~ ., fun.aggregate=sum)
几年之后，仅仅为了添加另一个简单的基本R解决scheme，由于某些xtabs ，这里不存在
xtabs(Frequency ~ Category, df) # Category # First Second Third # 30 5 34
或者，如果想要一个data.frame回来
as.data.frame(xtabs(Frequency ~ Category, df)) # Category Freq # 1 First 30 # 2 Second 5 # 3 Third 34
虽然我最近成为了dplyr转换为大多数这些types的操作， sqldf包仍然是非常好的（和恕我直言更可读）的一些东西。
这是一个如何用sqldf来回答这个问题的例子
x <- data.frame(Category=factor(c("First", "First", "First", "Second", "Third", "Third", "Second")), Frequency=c(10,15,5,2,14,20,3)) sqldf("select Category ,sum(Frequency) as Frequency from x group by Category") ## Category Frequency ## 1 First 30 ## 2 Second 5 ## 3 Third 34
