R表函数：如何求和而不是计数？ [重复]

Question

假设我的 R 表中有数据，如下所示：

Id  Name Price sales Profit Month Category Mode
1   A     2     5     8       1     X       K
1   A     2     6     9       2     X       K
1   A     2     5     8       3     X       K
1   B     2     4     6       1     Y       L
1   B     2     3     4       2     Y       L
1   B     2     5     7       3     Y       L
2   C     2     5    11       1     X       M
2   C     2     5    11       2     X       L
2   C     2     5    11       3     X       K
2   D     2     8    10       1     Y       M
2   D     2     8    10       2     Y       K
2   D     2     5    7        3     Y       K
3   E     2     5    9        1     Y       M
3   E     2     5    9        2     Y       L
3   E     2     5    9        3     Y       M
3   F     2     4    7        1     Z       M
3   F     2     5    8        2     Z       L
3   F     2     5    8        3     Z       M

如果我对此数据使用

table

函数，例如：

table(df$Category, df$Mode)

它将在每种模式下向我显示哪个类别有多少个观察值。这就像统计每种模式下每个类别中的项目数量一样。

但是，如果我希望表格在每个

Category

下显示哪个

Mode

赚取了多少

Profit

（总和或平均值）而不是总数，该怎么办？

有没有办法用 R 中的

table

函数或其他函数来做到这一点？

Answer 1

我们可以使用

xtabs

中的

base R

。默认情况下，

xtabs

获取

sum

xtabs(Profit~Category+Mode, df)
#           Mode
#Category  K  L  M
#       X 36 11 11
#       Y 17 26 28
#       Z  0  8 15

或者另一个更灵活地应用不同

base R

的

FUN

选项是

tapply

。

with(df, tapply(Profit, list(Category, Mode), FUN=sum))
#  K  L  M
#X 36 11 11
#Y 17 26 28
#Z NA  8 15

---

或者我们可以使用

dcast

将“长”格式转换为“宽”格式。它更灵活，因为我们可以将

fun.aggregate

指定为

sum

、

mean

、

median

等

library(reshape2)
dcast(df, Category~Mode, value.var='Profit', sum)
# Category  K  L  M
#1        X 36 11 11
#2        Y 17 26 28
#3        Z  0  8 15

---

如果您需要“长”格式，这里有一个带有

data.table

的选项。我们将“data.frame”转换为“data.table”（

setDT(df)

），按“类别”和“模式”分组，我们得到“利润”的

sum

。

library(data.table)
setDT(df)[, list(Profit= sum(Profit)) , by = .(Category, Mode)]

Answer 2

另一种可能性在于使用

aggregate()

函数：

profit_dat <- aggregate(Profit ~ Category + Mode, data=df, sum)
#> profit_dat
#  Category Mode Profit
#1        X    K     36
#2        Y    K     17
#3        X    L     11
#4        Y    L     26
#5        Z    L      8
#6        X    M     11
#7        Y    M     28
#8        Z    M     15

Answer 3

我更喜欢使用

dplyr

进行大多数数据分析：

library(dplyr)

group_by(df, Category, Mode) %>%
  summarise(sum = sum(Profit), count=n())

https://cran.rstudio.com/web/packages/dplyr/vignettes/introduction.html