你也可以使用泛型函数cbind()和lm()而不截取:

cbind(lm(d$Rate1~-1+d$Name)$coef,lm(d$Rate2~-1+d$Name)$coef)
>               [,1]     [,2]
>d$NameAira 16.33333 47.00000
>d$NameBen  31.33333 50.33333
>d$NameCat  44.66667 54.00000

这种类型的操作正是设计聚合的目的:

d <- read.table(text=
'Name     Month  Rate1     Rate2
Aira       1      12        23
Aira       2      18        73
Aira       3      19        45
Ben        1      53        19
Ben        2      22        87
Ben        3      19        45
Cat        1      22        87
Cat        2      67        43
Cat        3      45        32', header=TRUE)

aggregate(d[, 3:4], list(d$Name), mean)

  Group.1    Rate1    Rate2
1    Aira 16.33333 47.00000
2     Ben 31.33333 50.33333
3     Cat 44.66667 54.00000

这里我们聚合data.frame d的第3列和第4列，按d$Name分组，并应用平均值函数。

或者，使用公式接口:

aggregate(. ~ Name, d[-2], mean)

你也可以使用sqldf包来完成，如下所示:

library(sqldf)

x <- read.table(text='Name     Month  Rate1     Rate2
Aira       1      12        23
                Aira       2      18        73
                Aira       3      19        45
                Ben        1      53        19
                Ben        2      22        87
                Ben        3      19        45
                Cat        1      22        87
                Cat        2      67        43
                Cat        3      45        32', header=TRUE)

sqldf("
select 
  Name
  ,avg(Rate1) as Rate1_float
  ,avg(Rate2) as Rate2_float
  ,avg(Rate1) as Rate1
  ,avg(Rate2) as Rate2
from x
group by 
  Name
")

#  Name Rate1_float Rate2_float Rate1 Rate2
#1 Aira    16.33333    47.00000    16    47
#2  Ben    31.33333    50.33333    31    50
#3  Cat    44.66667    54.00000    44    54

正如其他答案所示，我最近转向了dplyr，但sqldf很好，因为大多数数据分析师/数据科学家/开发人员至少在SQL方面有一定的流畅性。通过这种方式，我认为它比dplyr或上面介绍的其他解决方案更易于编写具有普遍可读性的代码。

更新:在回复下面的注释时，我尝试按上面所示更新代码。然而，这种行为并不像我预期的那样。似乎只有当列别名与原始列名匹配时，列定义(即int vs float)才会继续执行。指定新名称时，将不舍入地返回聚合列。

或者使用dplyr包中的group_by & summarise_at:

library(dplyr)

d %>%
  group_by(Name) %>%
  summarise_at(vars(-Month), funs(mean(., na.rm=TRUE)))

# A tibble: 3 x 3
  Name  Rate1 Rate2
  <fct> <dbl> <dbl>
1 Aira   16.3  47.0
2 Ben    31.3  50.3
3 Cat    44.7  54.0

参见?summarise_at，了解指定要执行的变量的多种方法。这里，vars(-Month)表示除Month之外的所有变量。

在tidyverse/dplyr的最新版本中，使用summarise(across(…))比summarise_at更可取:

d %>% 
  group_by(Name) %>%
  summarise(across(-Month, mean, na.rm = TRUE))

你也可以使用package plyr，它在某种程度上更通用:

library(plyr)

ddply(d, .(Name), summarize,  Rate1=mean(Rate1), Rate2=mean(Rate2))

  Name    Rate1    Rate2
1 Aira 16.33333 47.00000
2  Ben 31.33333 50.33333
3  Cat 44.66667 54.00000

一个选项是使用包数据。表，它也有类data.frame，但是像你正在寻找的操作计算得更快。

library(data.table)
mydt <- structure(list(Name = c("Aira", "Aira", "Aira", "Ben", "Ben", "Ben", "Cat", "Cat", "Cat"), Month = c(1L, 2L, 3L, 1L, 2L, 3L, 1L, 2L, 3L), Rate1 = c(15.6396600443877, 2.15649279424609, 6.24692918928743, 2.37658797276116, 34.7500663272292, 3.28750138697048, 29.3265553981065, 17.9821839334431, 10.8639802575958), Rate2 = c(17.1680489538369, 5.84231656330206, 8.54330866437461, 5.88415184986176, 3.02064294862551, 17.2053351400752, 16.9552950199166, 2.56058000170089, 15.7496228048122)), .Names = c("Name", "Month", "Rate1", "Rate2"), row.names = c(NA, -9L), class = c("data.table", "data.frame"))

现在对每个人(姓名)取所有3个月的Rate1和Rate2的平均值: 首先，决定你要取哪些列的均值

colstoavg <- names(mydt)[3:4]

现在我们用lapply对列求平均值我们要求avg (colstoavg)

mydt.mean <- mydt[,lapply(.SD,mean,na.rm=TRUE),by=Name,.SDcols=colstoavg]

 mydt.mean
   Name     Rate1     Rate2
1: Aira  8.014361 10.517891
2:  Ben 13.471385  8.703377
3:  Cat 19.390907 11.755166