R语言中的分组计算
一、aggregate()函数
分组计算问题在R语言中有多种处理办法，包括tapply()、group_by()和aggregate()等，其中aggregate()是最为出色、灵活和常用的函数。
首先查看aggregate()的基本格式：
aggregate(x, # x是需要被分组计算的值列
by, # by是分组的依据列，是一个list对象
FUN, # FUN是分组计算使用的统计函数名
...,
simplify = TRUE, # simplify设置结果是否需要简化
drop = TRUE) # drop设置是否去除未被使用的列
二、简单分组计算
InsectSprays是R语言的自带数据集，记录了不同杀虫剂使用后的虫子数量，使用head(InsectSprays)可以快速浏览数据格式：
> head(InsectSprays)
count spray
1 10 A
2 7 A
3 20 A
4 14 A
5 14 A
6 12 A
如果我们希望评估不同杀虫剂的有效性，就需要计算每种杀虫剂样本的统计值。以下代码实现了计算各种杀虫剂的平均效力。代码中，InsectSprays$count是虫子数量列，是要被分组的值列；by需要一个list对象，list内的要素格式为“结果的分组条件列名 = 表中的分组条件列名”，前后列名可以不一致；FUN选择了最普通的均值函数，可以根据需要替换为max, min, median等甚至是自定义的函数，但注意不要添加"()"。
> result <- aggregate(x = InsectSprays$count,
+ by = list(spray = InsectSprays$spray),
+ FUN = mean)
> result
spray x
1 A 14.500000
2 B 15.333333
3 C 2.083333
4 D 4.916667
5 E 3.500000
6 F 16.666667
三、交叉分组计算
warpbreaks是R语言的自带数据集，记录了织布机的异常数据，使用head(warpbreaks)进行可以快速浏览数据格式：
> head(warpbreaks)
breaks wool tension
1 26 A L
2 30 A L
3 54 A L
4 25 A L
5 70 A L
6 52 A L
当分组条件为多个时，只需要在by属性的list对象内添加多个分组信息。
> result <- aggregate(warpbreaks$breaks,
+ by = list(wool = warpbreaks$wool,
+ tension = warpbreaks$tension),
+ FUN = median)
> result
wool tension x
1 A L 51
2 B L 29
3 A M 21
4 B M 28
5 A H 24
6 B H 17
四、自定义函数分组计算
由于aggregate()函数中FUN属性是不限制函数（能正常使用的前提下）的，因此可以编写自身需要的自定义函数。如以下代码定义了返回标准差与均值的比值，即变异系数。
cv <- function(vector){
sd(vector)/mean(vector)
}
只需要在FUN中调用cv即可计算每个分组的变异系数，继续使用前一个例子的数据。
> result <- aggregate(warpbreaks$breaks,
+ by = list(wool = warpbreaks$wool,
+ tension = warpbreaks$tension),
+ FUN = cv)
> result
wool tension x
1 A L 0.4061834
2 B L 0.3493249
3 A M 0.3608439
4 B M 0.3277194
5 A H 0.4183441
6 B H 0.2605903
