我有许多不同型号的汽车车队的数据框。每辆车都是一排，包括每辆特定车辆的品牌，型号和平均每日里程。我试图通过模型获得平均每日里程数。我该怎么办？实际的表有许多不同的模型和制作，我不想将它们分成单独的数据帧。我相信我可以在R中使用一个命令来做到这一点。提前感谢您的帮助。
这是数据帧的子集 制作模型mi_per_day 现代雅绅特43 现代雅绅特37 现代创世纪32 现代创世纪63 本田雅阁24 本田雅阁54 本田思域71 本田思域16 丰田凯美瑞61 丰田凯美瑞27 丰田凯美瑞12
答案 0 :(得分：0)
假设您的数据类似于：
"","make","model","mi_per_day"
"1","Hyundai ","Accent",43
"2","Hyundai ","Genesis",32
"3","Hyundai ","Genesis",63
"4","Honda","Accord",24
"5","Honda","Accord",54
"6","Honda","Civic",71
"7","Honda","Civic",16
"8","Toyota","Camry",61
"9","Toyota","Camry",27
"10","Toyota","Camry",12
您可以使用以下代码进行编码：
read.csv("/path/to/csv/dir/cars.csv")
aggregate(x = cars$mi_per_day,by=list(cars$make),FUN=mean)
这给出了以下输出：
Group.1 x
1 Accent 43.00000
2 Accord 39.00000
3 Camry 33.33333
4 Civic 43.50000
5 Genesis 47.50000
答案 1 :(得分：0)
这种类型的问题（需要通过分组变量计算某些东西）会在StackOverflow上被问到很多。我决定用几种不同的方法来获得（几乎）相同的结果。
首先我生成了一些简单的数据：
set.seed(123)
dat <- data.frame(group = sample(c('a','b','c'), 100, T),
value = rnorm(100),
stringsAsFactors = FALSE)
head(dat)
# group value
# 1 a 0.25331851
# 2 c -0.02854676
# 3 b -0.04287046
# 4 c 1.36860228
# 5 c -0.22577099
# 6 a 1.51647060
我将介绍执行汇总的一些不同方式：by，aggregate，lapply和split，tapply，{{ 3}}和dplyr。
要使用by函数，我们传入一些data，并为其提供我们想要分组的变量，然后我们传递我们想要应用的函数，然后使用{{1}以表格形式获取它。
stack要使用stack(by(dat, dat$group, function(d) mean(d$value)))
# values ind
# 1 0.05444944 a
# 2 -0.16894993 b
# 3 -0.04324673 c
函数，我们可以使用公式语法，并为其提供数据和我们想要的函数。我非常喜欢aggregate。
aggregate我们可以使用aggregate(value ~ group, data = dat, mean)
# group value
# 1 a 0.05444944
# 2 b -0.16894993
# 3 c -0.04324673
和split首先按分组变量分隔数据，然后对分隔的列表执行计算。我们使用lapply将结果放在表格形式中。
stack我们可以使用stack(lapply(split(dat, dat$group), function(d) mean(d$value)))
# values ind
# 1 0.05444944 a
# 2 -0.16894993 b
# 3 -0.04324673 c
函数在不规则数组上应用函数。我们给它我们想要用于计算的变量，我们的分组变量和我们的函数。我们使用tapply将结果放在表格形式中。
stack我们也可以使用优秀的 stack(tapply(dat$value, dat$group, mean))
# values ind
# 1 0.05444944 a
# 2 -0.16894993 b
# 3 -0.04324673 c
包来执行聚合。我们首先使用dplyr对数据进行分组，然后使用group_by应用我们的函数。 summarise符号是管道 - 它们非常有用。
%>%最后，我们可以使用高性能 library(dplyr)
dat %>%
group_by(group) %>%
summarise(mean(value))
# group `mean(value)`
# <chr> <dbl>
# 1 a 0.05444944
# 2 b -0.16894993
# 3 c -0.04324673
包来执行聚合。一开始语法看起来有点奇怪，但我们基本上是这样说的：计算按组分组的平均值。
data.table