在多个变量中使用 tapply答案

【问题标题】：using tapply in multiple variables在多个变量中使用 tapply
【发布时间】：2014-12-10 17:56:42
【问题描述】：

我有一组数据，其中包含有关客户的信息以及他们花了多少钱，每个客户只出现一次：

customer<-c("Andy","Bobby","Oscar","Oliver","Jane","Cathy","Emma","Chris")
age<-c(25,34,20,35,23,35,34,22)
gender<-c("male","male","male","male","female","female","female","female")
moneyspent<-c(100,100,200,200,400,400,500,200)

data<-data.frame(customer=customer,age=age,gender=gender,moneyspent=moneyspent)

如果我想计算男性和女性客户平均花费的金额，我可以使用tapply：

tapply(moneyspent,gender,mean)

给出：

female   male 
  375    150

但是，我现在想找出性别和年龄组的平均花费，我的目标是：

 Male Age 20-30      Female Age 20-30      Male Age 30-40      Female Age 30-40
    150                     300                 150                   450

我怎样才能修改 tapply 代码以便它给出这些结果？

谢谢你

【问题讨论】：

标签： r tapply

【解决方案1】：

您可能需要使用cut

mat <- tapply(moneyspent, list(gender, age=cut(age, breaks=c(20,30,40), 
                include.lowest=TRUE)), mean)

nm1 <- outer(rownames(mat), colnames(mat), FUN=paste)
setNames(c(mat), nm1)
#female [20,30]   male [20,30] female (30,40]   male (30,40] 
#       300            150            450            150

其他选项包括

library(dplyr)
data %>% 
     group_by(gender, age=cut(age, breaks=c(20,30,40), 
              include.lowest=TRUE)) %>% 
     summarise(moneyspent=mean(moneyspent))

或者

 library(data.table)
 setDT(data)[, list(moneyspent=mean(moneyspent)),
     by=list(gender, age=cut(age, breaks= c(20,30,40), include.lowest=TRUE))]

【讨论】：

【解决方案2】：

使用 plyr 包

library(plyr)

ddply(data,.(gender, age=cut(age, breaks=c(20,30,40), 
                  include.lowest=TRUE)), summarize, moneyspent=mean(moneyspent))

也会给出同样的结果。

注意：Summarize 和Summarise 执行相同的功能。

警告： 加载 plyr 掩盖了 dplyr 的摘要！你需要detachplyr才能再次使用Summarize等函数。

【讨论】：