有很多替代方法可以做到这一点。请注意，如果您对与 不同的另一个函数感兴趣sum，则只需更改参数FUN=any.function，例如，如果您想要mean,var length等，那么只需将这些函数插入FUN参数中，例如 ，FUN=mean等等FUN=var。让我们探索一些替代方案：
aggregate在基地发挥作用。
> aggregate(results ~ experiment, FUN=sum, data=DF)
experiment results
1 A 86.3
2 B 986.0
或者也许tapply？
> with(DF, tapply(results, experiment, FUN=sum))
A B
86.3 986.0
也ddply来自 plyr 包
> # library(plyr)
> ddply(DF[, -2], .(experiment), numcolwise(sum))
experiment results
1 A 86.3
2 B 986.0
> ## Alternative syntax
> ddply(DF, .(experiment), summarize, sumResults = sum(results))
experiment sumResults
1 A 86.3
2 B 986.0
还有dplyr包
> require(dplyr)
> DF %>% group_by(experiment) %>% summarise(sumResults = sum(results))
Source: local data frame [2 x 2]
experiment sumResults
1 A 86.3
2 B 986.0
使用sapply和split，等价于tapply。
> with(DF, sapply(split(results, experiment), sum))
A B
86.3 986.0
如果您担心时间问题，data.table您的朋友是：
> # library(data.table)
> DT <- data.table(DF)
> DT[, sum(results), by=experiment]
experiment V1
1: A 86.3
2: B 986.0
不那么流行，但 doBy 包很好（相当于aggregate，即使在语法上！）
> # library(doBy)
> summaryBy(results~experiment, FUN=sum, data=DF)
experiment results.sum
1 A 86.3
2 B 986.0
by在这种情况下也有帮助
> (Aggregate.sums <- with(DF, by(results, experiment, sum)))
experiment: A
[1] 86.3
-------------------------------------------------------------------------
experiment: B
[1] 986
如果您希望结果是矩阵，则使用cbind或rbind
> cbind(results=Aggregate.sums)
results
A 86.3
B 986.0
sqldf来自 sqldf 包也可能是一个不错的选择
> library(sqldf)
> sqldf("select experiment, sum(results) `sum.results`
from DF group by experiment")
experiment sum.results
1 A 86.3
2 B 986.0
xtabs也有效（仅当FUN=sum）
> xtabs(results ~ experiment, data=DF)
experiment
A B
86.3 986.0