Jak zsumować zmienną według grupy?

Od niedawna możesz również użyć do tego celu pakietu dplyr:

library(dplyr)
x %>% 
  group_by(Category) %>% 
  summarise(Frequency = sum(Frequency))

#Source: local data frame [3 x 2]
#
#  Category Frequency
#1    First        30
#2   Second         5
#3    Third        34

Lub dla wielu kolumn podsumowania (działa również z jedną kolumną):

x %>% 
  group_by(Category) %>% 
  summarise_each(funs(sum))

Aktualizacja dla dplyr >= 0.5: summarise_each został zastąpiony przez summarise_all, summarise_at i summarise_if rodzina funkcji w dplyr.

Lub, jeśli masz wiele kolumn do pogrupowania według, możesz określić wszystkie z nich w group_by oddzielonych przecinkami:

mtcars %>% 
  group_by(cyl, gear) %>%                            # multiple group columns
  summarise(max_hp = max(hp), mean_mpg = mean(mpg))  # multiple summary columns

Aby uzyskać więcej informacji, łącznie z operatorem %>%, Zobacz wprowadzenie do dplyr .

Odpowiedź udzielona przez rcs działa i jest prosta. Jeśli jednak obsługujesz większe zbiory danych i potrzebujesz zwiększenia wydajności, istnieje szybsza alternatywa: {]}

library(data.table)
data = data.table(Category=c("First","First","First","Second","Third", "Third", "Second"), 
                  Frequency=c(10,15,5,2,14,20,3))
data[, sum(Frequency), by = Category]
#    Category V1
# 1:    First 30
# 2:   Second  5
# 3:    Third 34
system.time(data[, sum(Frequency), by = Category] )
# user    system   elapsed 
# 0.008     0.001     0.009 

Porównajmy to do tego samego, używając danych.ramka i wyżej:

data = data.frame(Category=c("First","First","First","Second","Third", "Third", "Second"),
                  Frequency=c(10,15,5,2,14,20,3))
system.time(aggregate(data$Frequency, by=list(Category=data$Category), FUN=sum))
# user    system   elapsed 
# 0.008     0.000     0.015 

I jeśli chcesz zachować kolumnę to jest składnia:

data[,list(Frequency=sum(Frequency)),by=Category]
#    Category Frequency
# 1:    First        30
# 2:   Second         5
# 3:    Third        34

Różnica będzie bardziej zauważalna przy większych zestawach danych, jak pokazuje poniższy kod:

data = data.table(Category=rep(c("First", "Second", "Third"), 100000),
                  Frequency=rnorm(100000))
system.time( data[,sum(Frequency),by=Category] )
# user    system   elapsed 
# 0.055     0.004     0.059 
data = data.frame(Category=rep(c("First", "Second", "Third"), 100000), 
                  Frequency=rnorm(100000))
system.time( aggregate(data$Frequency, by=list(Category=data$Category), FUN=sum) )
# user    system   elapsed 
# 0.287     0.010     0.296 

Dla wielu agregacji, ty można łączyć lapply i .SD w następujący sposób

data[, lapply(.SD, sum), by = Category]
#    Category Frequency
# 1:    First        30
# 2:   Second         5
# 3:    Third        34

Jest to nieco związane z tym pytaniem .

Możesz również użyć funkcji by () :

x2 <- by(x$Frequency, x$Category, sum)
do.call(rbind,as.list(x2))

Te inne pakiety (plyr, reshape) mają tę zaletę, że zwracają dane.frame, ale warto się z nią zapoznać by (), ponieważ jest to funkcja bazowa.

library(plyr)
ddply(tbl, .(Category), summarise, sum = sum(Frequency))

Kilka lat później, aby dodać kolejne proste rozwiązanie base R, którego nie ma tutaj z jakiegoś powodu - xtabs

xtabs(Frequency ~ Category, df)
# Category
# First Second  Third 
#    30      5     34 

Or if want a data.frame back

as.data.frame(xtabs(Frequency ~ Category, df))
#   Category Freq
# 1    First   30
# 2   Second    5
# 3    Third   34

Aby dodać trzecią opcję:

require(doBy)
summaryBy(Frequency~Category, data=yourdataframe, FUN=sum)

EDIT: to bardzo stara odpowiedź. Teraz polecam użycie group_by i streszczenia z dplyr, jak w odpowiedzi @docendo.

Podczas gdy ostatnio stałem się konwerterem na dplyr dla większości tego typu operacji, pakiet sqldf jest nadal naprawdę ładny (i IMHO bardziej czytelny) dla niektórych rzeczy.

Oto przykład jak na to pytanie można odpowiedzieć za pomocą sqldf

x <- data.frame(Category=factor(c("First", "First", "First", "Second",
                                  "Third", "Third", "Second")), 
                Frequency=c(10,15,5,2,14,20,3))

sqldf("select 
          Category
          ,sum(Frequency) as Frequency 
       from x 
       group by 
          Category")

##   Category Frequency
## 1    First        30
## 2   Second         5
## 3    Third        34

Jeśli x jest ramką danych z Twoimi danymi, to następujące dane zrobią to, co chcesz:

require(reshape)
recast(x, Category ~ ., fun.aggregate=sum)

Użycie cast zamiast recast (Uwaga 'Frequency' jest teraz 'value')

df  <- data.frame(Category = c("First","First","First","Second","Third","Third","Second")
                  , value = c(10,15,5,2,14,20,3))

install.packages("reshape")

result<-cast(df, Category ~ . ,fun.aggregate=sum)

Aby uzyskać:

Category (all)
First     30
Second    5
Third     34