基于一个变量对数据框进行分组

Question

我有一个包含 10 个变量的数据框，所有变量都是数字，变量名称之一是年龄，我想根据 age.example 对观察结果进行分组。 17至18岁一组，19-22岁另一组，然后每排应附在每组上。结果应该是用于进一步操作的数据框。 数据框模型：

A   B   AGE
25  50  17
30  42  22
50  60  19
65  105 17
355 400 21
68  47  20
115 98  18
25  75  19

我想要这样的结果

17-18 
A   B   AGE
25  50  17
65  105 17
115 98  18

19-22
A   B   AGE
30  42  22
50  60  19
355 400 21
68  47  20
115 98  18
25  75  19

我确实使用 split 函数根据 Age var 对数据集进行了分组，现在我关心的是如何操作分组数据。例如：答案看起来像

$1

  A   B   AGE
  25  50  17
  65  105 17
  115 98  18

$2
A   B   AGE
    30  42  22
    50  60  19
    355 400 21
    68  47  20
    115 98  18
    25  75  19

我的问题是如何访问每个组以进行进一步操作？ 例如：如果我想分别对每个组进行 t 检验？

Answer 1

拆分功能适用于数据帧。使用cut 和'breaks' 或findInterval 和一组适当的切点（如果您使用命名参数，则命名为'vec'）作为分组标准，split 的第二个参数。 cut 的默认值是右侧封闭的间隔，findInterval 的默认值是左侧封闭的区间。

> split(dat, findInterval(dat$AGE, c(17, 19.5, 22.5)))
$`1`
    A   B AGE
1  25  50  17
3  50  60  19
4  65 105  17
7 115  98  18
8  25  75  19

$`2`
    A   B AGE
2  30  42  22
5 355 400  21
6  68  47  20

Answer 2

这是cut的方法

lst <- split(df1, cut(df1$AGE, breaks=c(16, 18, 22), labels=FALSE))
lst
# $`1`
#   A   B AGE
#1  25  50  17
#4  65 105  17
#7 115  98  18

#$`2`
#   A   B AGE
#2  30  42  22
#3  50  60  19
#5 355 400  21
#6  68  47  20
#8  25  75  19

更新

如果您需要为每个“列表”元素查找列的sum、mean

lapply(lst, function(x) rbind(colSums(x[-3]),colMeans(x[-3])))

但是，如果目标是根据组找到汇总统计信息，则可以使用任何聚合函数来完成

 library(dplyr)
 df1 %>% 
     group_by(grp=cut(AGE, breaks=c(16, 18, 22), labels=FALSE)) %>% 
     summarise_each(funs(sum=sum(., na.rm=TRUE),
                      mean=mean(., na.rm=TRUE)), A:B)
 #   grp A_sum B_sum    A_mean    B_mean
 #1   1   205   253  68.33333  84.33333
 #2   2   528   624 105.60000 124.80000

或者使用来自base R的aggregate

 do.call(data.frame,
   aggregate(cbind(A,B)~cbind(grp=cut(AGE, breaks=c(16, 18, 22), 
    labels=FALSE)), df1, function(x) c(sum=sum(x), mean=mean(x))))

数据

df1 <- structure(list(A = c(25L, 30L, 50L, 65L, 355L, 68L, 115L, 25L
), B = c(50L, 42L, 60L, 105L, 400L, 47L, 98L, 75L), AGE = c(17L, 
22L, 19L, 17L, 21L, 20L, 18L, 19L)), .Names = c("A", "B", "AGE"
), class = "data.frame", row.names = c(NA, -8L))