R语言之分组数据处理

在我们日常处理数据过程中，经常需要对分类或者分组数据进行相对应的函数处理，以下是个人觉得比较好用的几个函数。

#分组变量的处理方法

#tapply()函数

#by()

#aggregate()

#plyr包
#table()

第一步：创建数据，常见数据形式为matrix，data.frame

sex<-c("female","man","female","man","man","man")
diploma<-c("本科","硕士","本科","本科","本科","硕士")
salary<-c(5000,13000,6000,4500,5500,14000)
data.2<-data.frame(sex,diploma,salary)

数据内容如下

我们如果想要了解不同性别的收入，或者不同文凭的收入，亦或者根据两个分组变量来查看具体的收入，以下函数相信可以帮你。

#tapply()

通过？tapply初步了解该函数的具体有哪些参数，以及参数具体内容

可知x为我们要进行处理的变量，而INDEX是我们要根据那个变量分类，FUN就是对x进行何种处理，例如求和sum，求均值mean等

tapply(data.2$salary,data.2$sex,sum)

tapply(data.2$salary,list(data.2$sex,data.2$diploma),mean)

输出结果如下，即salary为x，要进行处理的变量，sex即为，根据性别差异统计收入

当，依据分组变量超过一，可以用一个列表list表示，不可以用连接符号c。

#by(),按照学习tapply的思路，by的参数以及用法雷同。
by(data.2$salary,data.2$sex,sum)

by(data.2$salary,list(data.2$sex,data.2$diploma),sum)

输出结果：

可以看到只是在输出结果的形式有差异。

#aggregate()函数

对于aggregate()函数的参数表示方法，和用lm函数求回归的输入一样，即如salary~sex+diploma

salary为要进行处理的变量，而sex，diploma为分组依据变量，用~连接。

#table()

table函数可以生成2*2的列联表，也就是对数据进行分类汇总。

以后课余时间会继续根据大三课程更新，有时间序列分析，多元统计分析，统计计算，应用回归，以及数据处理，画图的一些简单介绍，本科菜鸟，如有问题，望见谅。以上内容参考网上已有资料。