我有一个有两列的数据帧。第一列包含类别，如“第一”，“第二”，“第三”，第二列有数字，表示我从“类别”中看到特定组的次数。
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排序，并将所有频率相加:
Category Frequency
First 30
Second 5
Third 34
在R中怎么做呢?
当前回答
再加上第三个选项:
require(doBy)
summaryBy(Frequency~Category, data=yourdataframe, FUN=sum)
编辑:这是一个非常古老的答案。现在，我建议使用group_by和来自dplyr的summarise，如@docendo answer。
其他回答
你也可以使用by()函数:
x2 <- by(x$Frequency, x$Category, sum)
do.call(rbind,as.list(x2))
其他那些包(plyr，重塑)的好处是返回data.frame，但是by()值得熟悉一下，因为它是一个基函数。
几年后，只是为了添加另一个简单的基本R解决方案，由于某种原因这里没有给出——xtabs
xtabs(Frequency ~ Category, df)
# Category
# First Second Third
# 30 5 34
或者你想要回数据帧
as.data.frame(xtabs(Frequency ~ Category, df))
# Category Freq
# 1 First 30
# 2 Second 5
# 3 Third 34
对于dplyr 1.1.0及以上版本，你可以在总结中使用.by。这个快捷方式避免使用group_by，并返回一个未分组的数据帧:
library(dplyr)
x %>%
summarise(Frequency = sum(Frequency), .by = Category)
如果x是一个包含你的数据的数据框架，那么下面的代码将完成你想要的:
require(reshape)
recast(x, Category ~ ., fun.aggregate=sum)
你也可以使用dplyr包来实现这个目的:
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(也适用于一个列):
x %>%
group_by(Category) %>%
summarise(across(everything(), sum))
下面是一些关于如何使用dplyr函数(使用内置数据集mtcars)按组总结数据的例子:
# several summary columns with arbitrary names
mtcars %>%
group_by(cyl, gear) %>% # multiple group columns
summarise(max_hp = max(hp), mean_mpg = mean(mpg)) # multiple summary columns
# summarise all columns except grouping columns using "sum"
mtcars %>%
group_by(cyl) %>%
summarise(across(everything(), sum))
# summarise all columns except grouping columns using "sum" and "mean"
mtcars %>%
group_by(cyl) %>%
summarise(across(everything(), list(mean = mean, sum = sum)))
# multiple grouping columns
mtcars %>%
group_by(cyl, gear) %>%
summarise(across(everything(), list(mean = mean, sum = sum)))
# summarise specific variables, not all
mtcars %>%
group_by(cyl, gear) %>%
summarise(across(c(qsec, mpg, wt), list(mean = mean, sum = sum)))
# summarise specific variables (numeric columns except grouping columns)
mtcars %>%
group_by(gear) %>%
summarise(across(where(is.numeric), list(mean = mean, sum = sum)))
有关更多信息，包括%>%操作符，请参阅dplyr介绍。
