我有这样的 R 数据框：
age group
1 23.0883 1
2 25.8344 1
3 29.4648 1
4 32.7858 2
5 33.6372 1
6 34.9350 1
7 35.2115 2
8 35.2115 2
9 35.2115 2
10 36.7803 1
...
我需要以下列形式获取数据框：
group mean sd
1 34.5 5.6
2 32.3 4.2
...
团号可能会有所不同，但可以通过拨打电话获得团号和数量levels(factor(data$group))
应该对数据进行哪些操作以获得结果？
这是使用ddply的plyr单行变体：
dt <- data.frame(age=rchisq(20,10),group=sample(1:2,20,rep=T))
ddply(dt,~group,summarise,mean=mean(age),sd=sd(age))
这是另一个使用新包data.table的单行变体。
dtf <- data.frame(age=rchisq(100000,10),group=factor(sample(1:10,100000,rep=T)))
dt <- data.table(dtf)
dt[,list(mean=mean(age),sd=sd(age)),by=group]
这个速度更快，尽管这仅在具有 100k 行的表上很明显。配备 2.53 Ghz Core 2 Duo 处理器和 R 2.11.1 的 Macbook Pro 上的计时：
> system.time(aa <- ddply(dtf,~group,summarise,mean=mean(age),sd=sd(age)))
utilisateur système écoulé
0.513 0.180 0.692
> system.time(aa <- dt[,list(mean=mean(age),sd=sd(age)),by=group])
utilisateur système écoulé
0.087 0.018 0.103
如果我们使用，可以进一步节省setkey：
> setkey(dt,group)
> system.time(dt[,list(mean=mean(age),sd=sd(age)),by=group])
utilisateur système écoulé
0.040 0.007 0.048
由于您正在操作数据框，因此dplyr包可能是更快的方法。
library(dplyr)
dt <- data.frame(age=rchisq(20,10), group=sample(1:2,20, rep=T))
grp <- group_by(dt, group)
summarise(grp, mean=mean(age), sd=sd(age))
或者等效地，使用dplyr/magrittr管道运算符：
library(dplyr)
dt <- data.frame(age=rchisq(20,10), group=sample(1:2,20, rep=T))
group_by(dt, group) %>%
summarise(mean=mean(age), sd=sd(age))
编辑完全使用管道运算符：
library(dplyr)
data.frame(age=rchisq(20,10), group=sample(1:2,20, rep=T)) %>%
group_by(group) %>%
summarise(mean=mean(age), sd=sd(age))
除了现有的建议外，您可能还想查看包describe.by中的功能psych。
它提供了许多描述性统计数据，包括基于分组变量的平均值和标准差。