4 
Aaa <- data.frame(amount=c(1,2,1,2,1,1,2,2,1,1,1,2,2,2,1), 
                  card=c("a","b","c","a","c","b","a","c","b","a","b","c","a","c","a"))

aggregate(x=Aaa$amount, by=list(Aaa$card), FUN=mean)

##   Group.1    x
## 1       a 1.50
## 2       b 1.25
## 3       c 1.60

tapply(Aaa$amount, Aaa$card, mean)

##    a    b    c 
## 1.50 1.25 1.60

上面是一个示例代码。

看起来aggregate两者tapply都非常方便并且执行类似的功能。

有人可以解释或举例说明他们的差异吗？

4

1 回答 1

16

aggregate设计用于使用一个函数处理多列，并为每个类别返回一个包含一行的数据框，而tapply设计用于处理单个向量，结果以矩阵或数组的形式返回。仅使用两列矩阵并不能真正证明任一函数的能力（或它们的显着差异）。aggregate还有一个公式方法，它tapply没有。

> Aaa <- data.frame(amount=c(1,2,1,2,1,1,2,2,1,1,1,2,2,2,1), cat=sample(letters[21:24], 15,rep=TRUE),
+                   card=c("a","b","c","a","c","b","a","c","b","a","b","c","a","c","a"))
> with( Aaa, tapply(amount, INDEX=list(cat,card), mean) )
    a   b   c
u 1.5 1.5  NA
v 2.0 1.0 2.0
w 1.0  NA 1.5
x 1.5  NA 1.5

>  aggregate(amount~cat+card, data=Aaa, FUN= mean) 
  cat card amount
1   u    a    1.5
2   v    a    2.0
3   w    a    1.0
4   x    a    1.5
5   u    b    1.5
6   v    b    1.0
7   v    c    2.0
8   w    c    1.5
9   x    c    1.5

该xtabs函数还提供了一个 R“表”，它有一个公式接口。R 表是通常具有整数值的矩阵，因为它们被设计为“列联表”，用于保存边缘类别的交叉分类中的项目计数。

于 2014-09-22T04:21:23.650 回答