我反复使用的设计模式之一是在数据帧上执行“分组依据”或“拆分，应用，组合（SAC）”，然后将聚合数据连接回原始数据。例如，当计算每个县与具有许多州和县的数据框中的州平均值的偏差时，这很有用。我的总计算很少只是一个简单的意思，但它就是一个很好的例子。我经常通过以下方式解决这个问题：
require(plyr)
set.seed(1)
## set up some data
group1 <- rep(1:3, 4)
group2 <- sample(c("A","B","C"), 12, rep=TRUE)
values <- rnorm(12)
df <- data.frame(group1, group2, values)
## got some data, so let's aggregate
group1Mean <- ddply( df, "group1", function(x)
data.frame( meanValue = mean(x$values) ) )
df <- merge( df, group1Mean )
df
它产生如下的好的聚合数据：
> df
group1 group2 values meanValue
1 1 A 0.48743 -0.121033
2 1 A -0.04493 -0.121033
3 1 C -0.62124 -0.121033
4 1 C -0.30539 -0.121033
5 2 A 1.51178 0.004804
6 2 B 0.73832 0.004804
7 2 A -0.01619 0.004804
8 2 B -2.21470 0.004804
9 3 B 1.12493 0.758598
10 3 C 0.38984 0.758598
11 3 B 0.57578 0.758598
12 3 A 0.94384 0.758598
这样可行，但有没有其他方法可以提高可读性，性能等？
答案 0 :(得分：18)
一行代码可以解决问题：
new <- ddply( df, "group1", transform, numcolwise(mean))
new
group1 group2 values meanValue
1 1 A 0.48742905 -0.121033381
2 1 A -0.04493361 -0.121033381
3 1 C -0.62124058 -0.121033381
4 1 C -0.30538839 -0.121033381
5 2 A 1.51178117 0.004803931
6 2 B 0.73832471 0.004803931
7 2 A -0.01619026 0.004803931
8 2 B -2.21469989 0.004803931
9 3 B 1.12493092 0.758597929
10 3 C 0.38984324 0.758597929
11 3 B 0.57578135 0.758597929
12 3 A 0.94383621 0.758597929
identical(df, new)
[1] TRUE
答案 1 :(得分：13)
我认为ave()在这里比你展示的plyr电话更有用（我对plyr不太熟悉，知道你是否可以直接用plyr做你想做的事情，如果你对我感到惊讶不能！）或其他基础R替代品（aggregate()，tapply()）。：
> with(df, ave(values, group1, FUN = mean))
[1] -0.121033381 0.004803931 0.758597929 -0.121033381 0.004803931
[6] 0.758597929 -0.121033381 0.004803931 0.758597929 -0.121033381
[11] 0.004803931 0.758597929
您可以使用within()或transform()将此结果直接嵌入df：
> df2 <- within(df, meanValue <- ave(values, group1, FUN = mean))
> head(df2)
group1 group2 values meanValue
1 1 A 0.4874291 -0.121033381
2 2 B 0.7383247 0.004803931
3 3 B 0.5757814 0.758597929
4 1 C -0.3053884 -0.121033381
5 2 A 1.5117812 0.004803931
6 3 C 0.3898432 0.758597929
> df3 <- transform(df, meanValue = ave(values, group1, FUN = mean))
> all.equal(df2,df3)
[1] TRUE
如果排序很重要：
> head(df2[order(df2$group1, df2$group2), ])
group1 group2 values meanValue
1 1 A 0.48742905 -0.121033381
10 1 A -0.04493361 -0.121033381
4 1 C -0.30538839 -0.121033381
7 1 C -0.62124058 -0.121033381
5 2 A 1.51178117 0.004803931
11 2 A -0.01619026 0.004803931
答案 2 :(得分：13)
在性能方面，您可以使用data.table包执行相同类型的操作，该包已内置聚合，并且由于索引和基于C的实现而非常快。例如，您的示例中已存在df：
library("data.table") dt<-as.data.table(df) setkey(dt,group1) dt<-dt[,list(group2,values,meanValue=mean(values)),by=group1] dt group1 group2 values meanValue [1,] 1 A 0.82122120 0.18810771 [2,] 1 C 0.78213630 0.18810771 [3,] 1 C 0.61982575 0.18810771 [4,] 1 A -1.47075238 0.18810771 [5,] 2 B 0.59390132 0.03354688 [6,] 2 A 0.07456498 0.03354688 [7,] 2 B -0.05612874 0.03354688 [8,] 2 A -0.47815006 0.03354688 [9,] 3 B 0.91897737 -0.20205707 [10,] 3 C -1.98935170 -0.20205707 [11,] 3 B -0.15579551 -0.20205707 [12,] 3 A 0.41794156 -0.20205707
我没有对它进行基准测试，但根据我的经验，它要快得多。
如果您决定沿着data.table路走下去，我认为如果您使用大型数据集我认为值得探索，那么您真的需要阅读文档，因为数据框架存在一些差异，如果您不知道他们。但是，值得注意的是data.table通常适用于任何期望数据帧的函数，因为data.table将声称其类型是数据帧（数据表继承自数据帧）。
[2011年2月]
[2012年8月] Matthew的更新：
2012年7月向CRAN发布的v1.8.2新增内容为:=。这与上面的答案非常相似，但是将新列按引用添加到dt，因此没有副本，也不需要合并步骤或重新使用现有列与聚合一起返回。首先不需要setkey，它可以处理非连续组（即未组合在一起的组）。
对于大型数据集，这显着更快，并且语法简单明了：
dt <- as.data.table(df)
dt[, meanValue := mean(values), by = group1]
答案 3 :(得分：9)
您是否只能将x添加到传递给ddply的函数？
df <- ddply( df, "group1", function(x)
data.frame( x, meanValue = mean(x$values) ) )
答案 4 :(得分：3)
dplyr可能性：
library(dplyr)
df %>%
group_by(group1) %>%
mutate(meanValue = mean(values))
以原始顺序返回数据框。如果您希望按“group1”排序，请将arrange(group1)添加到管道。