什么'；使用ddply/plyr对数据帧中每列重复行的值求平均值的通用方法是什么？

假设我有一个如下所示的数据帧：

Name   A1   A2   A3   B1   B2   B3   C1   C2   C3
100     3    6    2    9    2    2    1    5    1
200     5    3    7    3    2    6    3    8    3
200     5    5    9    5    0    4    5    4    1
300     4    8    2    7    0    2    1    4    9

名为

200

的项目重复。我想对这两行

200

的每一列的值求平均值，因此我只在行中表示唯一的项：

Name   A1   A2   A3   B1   B2   B3   C1   C2   C3
100     3    6    2    9    2    2    1    5    1
200     5    4    8    4    1    5    4    6    2
300     4    8    2    7    0    2    1    4    9

我的新手R编码技能引导我使用以下方法：

Name   A1   A2   A3   B1   B2   B3   C1   C2   C3
100     3    6    2    9    2    2    1    5    1
200     5    3    7    3    2    6    3    8    3
200     5    5    9    5    0    4    5    4    1
300     4    8    2    7    0    2    1    4    9

---

已删除。重复项应该可以。我将您的示例放在一个名为df的data.frame中

 library(dplyr)
 df %>% group_by(Name) %>% summarise_each(funs(mean)) 
这应该可以做到。我将您的示例放在一个名为df的data.frame中

 library(dplyr)
 df %>% group_by(Name) %>% summarise_each(funs(mean)) 
在更复杂的数据上使用base R：

> ddf
  Name A1 A2 A3 B1 B2 B3 C1 C2 C3
1  100  3  6  2  9  2  2  1  5  1
2  200  5  3  7  3  2  6  3  8  3
3  200  5  5  9  5  0  4  5  4  1
4  300  4  8  2  7  0  2  1  4  9
5  300  2  4  2  9  6  6  5  8  1
6  300  3  6  2  5  8  8  6  6  5
7  500  4  8  2  7  0  2  1  4  9
> 
> ddf = structure(list(Name = c(100L, 200L, 200L, 300L, 300L, 300L, 500L
+ ), A1 = c(3L, 5L, 5L, 4L, 2L, 3L, 4L), A2 = c(6L, 3L, 5L, 8L, 
+ 4L, 6L, 8L), A3 = c(2L, 7L, 9L, 2L, 2L, 2L, 2L), B1 = c(9L, 3L, 
+ 5L, 7L, 9L, 5L, 7L), B2 = c(2L, 2L, 0L, 0L, 6L, 8L, 0L), B3 = c(2L, 
+ 6L, 4L, 2L, 6L, 8L, 2L), C1 = c(1L, 3L, 5L, 1L, 5L, 6L, 1L), 
+     C2 = c(5L, 8L, 4L, 4L, 8L, 6L, 4L), C3 = c(1L, 3L, 1L, 9L, 
+     1L, 5L, 9L)), .Names = c("Name", "A1", "A2", "A3", "B1", 
+ "B2", "B3", "C1", "C2", "C3"), class = "data.frame", row.names = c(NA, 
+ -7L))
> 
> dups = ddf[duplicated(ddf$Name),]$Name
> ddf2 = ddf[!ddf$Name %in% dups,]
> for(nn in unique(dups))  ddf2 = rbind(ddf2, colMeans(ddf[ddf$Name==nn,]))
> ddf2
  Name A1 A2 A3 B1       B2       B3 C1 C2 C3
1  100  3  6  2  9 2.000000 2.000000  1  5  1
7  500  4  8  2  7 0.000000 2.000000  1  4  9
3  200  5  4  8  4 1.000000 5.000000  4  6  2
4  300  3  6  2  7 4.666667 5.333333  4  6  5

在更复杂的数据上使用base R：

> ddf
  Name A1 A2 A3 B1 B2 B3 C1 C2 C3
1  100  3  6  2  9  2  2  1  5  1
2  200  5  3  7  3  2  6  3  8  3
3  200  5  5  9  5  0  4  5  4  1
4  300  4  8  2  7  0  2  1  4  9
5  300  2  4  2  9  6  6  5  8  1
6  300  3  6  2  5  8  8  6  6  5
7  500  4  8  2  7  0  2  1  4  9
> 
> ddf = structure(list(Name = c(100L, 200L, 200L, 300L, 300L, 300L, 500L
+ ), A1 = c(3L, 5L, 5L, 4L, 2L, 3L, 4L), A2 = c(6L, 3L, 5L, 8L, 
+ 4L, 6L, 8L), A3 = c(2L, 7L, 9L, 2L, 2L, 2L, 2L), B1 = c(9L, 3L, 
+ 5L, 7L, 9L, 5L, 7L), B2 = c(2L, 2L, 0L, 0L, 6L, 8L, 0L), B3 = c(2L, 
+ 6L, 4L, 2L, 6L, 8L, 2L), C1 = c(1L, 3L, 5L, 1L, 5L, 6L, 1L), 
+     C2 = c(5L, 8L, 4L, 4L, 8L, 6L, 4L), C3 = c(1L, 3L, 1L, 9L, 
+     1L, 5L, 9L)), .Names = c("Name", "A1", "A2", "A3", "B1", 
+ "B2", "B3", "C1", "C2", "C3"), class = "data.frame", row.names = c(NA, 
+ -7L))
> 
> dups = ddf[duplicated(ddf$Name),]$Name
> ddf2 = ddf[!ddf$Name %in% dups,]
> for(nn in unique(dups))  ddf2 = rbind(ddf2, colMeans(ddf[ddf$Name==nn,]))
> ddf2
  Name A1 A2 A3 B1       B2       B3 C1 C2 C3
1  100  3  6  2  9 2.000000 2.000000  1  5  1
7  500  4  8  2  7 0.000000 2.000000  1  4  9
3  200  5  4  8  4 1.000000 5.000000  4  6  2
4  300  3  6  2  7 4.666667 5.333333  4  6  5

为了理解
%
在R中是如何工作的，我进行了一次相当模糊的搜索，发现了基本函数
aggregate（）
，它的工作非常简单

删除。重复在一次相当模糊的搜索中，为了理解
%
如何在R中工作，我遇到了基本函数
aggregate（）
，它的工作非常简单

删除。重复我有点困惑。。。
%%>%%
是什么意思？我有点困惑。。。
%%>%%
是什么意思？嗨。我应该提到%运算符用于创建中缀函数，如上面使用dplyr的示例中的%>%。%%>%运算符是在magrittr包中引入的，可以在多种设置中用于将操作串在一起。这里有一个专门指向magrittr Vignite页面的链接，其中有许多在dplyr之外使用的示例…——谢谢。我应该提到%运算符用于创建中缀函数，如上面使用dplyr的示例中的%>%。%%>%运算符是在magrittr包中引入的，可以在多种设置中用于将操作串在一起。这里有一个专门指向magrittr Vignite页面的链接，其中有许多在dplyr之外使用的示例…——干杯