tapply和aggregate在R中的区别是什么？ Aaa

aggregate

设计用于使用一个函数处理多个列，并为每个类别返回一行数据帧，而

tapply

设计用于处理单个向量，结果返回为矩阵或数组。仅使用两列矩阵并不能真正证明两种功能的能力（或其显著差异）

aggregate

还有一个公式方法，而

tapply

没有

Aaa <- data.frame(amount=c(1,2,1,2,1,1,2,2,1,1,1,2,2,2,1), 
                  card=c("a","b","c","a","c","b","a","c","b","a","b","c","a","c","a"))

aggregate(x=Aaa$amount, by=list(Aaa$card), FUN=mean)

##   Group.1    x
## 1       a 1.50
## 2       b 1.25
## 3       c 1.60

tapply(Aaa$amount, Aaa$card, mean)

##    a    b    c 
## 1.50 1.25 1.60 

>Aaa（Aaa，tapply（金额，指数=列表（类别，卡片），平均值））
a、b、c
u 1.5 1.5 NA
v 2.0 1.0 2.0
w 1.0 NA 1.5
x 1.5 NA 1.5
>合计（金额~cat+卡，数据=Aaa，乐趣=平均值）
信用卡金额
1 u a 1.5
2 v a 2.0
3 w a 1.0
4x1.5
5 u b 1.5
6vb1.0
7v2.0
8 w c 1.5
9x1.5

---

xtabs

函数还提供了一个R“表”，它有一个公式接口。R表是通常具有整数值的矩阵，因为它们被设计为“列联表”，包含边缘类别交叉分类中的项目计数。

您刚才给出了示例。检查它们。如果将输出保存在变量中，您可以查看

类

，

摘要

，以及结构（

str

）。

> Aaa <- data.frame(amount=c(1,2,1,2,1,1,2,2,1,1,1,2,2,2,1), cat=sample(letters[21:24], 15,rep=TRUE),
+                   card=c("a","b","c","a","c","b","a","c","b","a","b","c","a","c","a"))
> with( Aaa, tapply(amount, INDEX=list(cat,card), mean) )
    a   b   c
u 1.5 1.5  NA
v 2.0 1.0 2.0
w 1.0  NA 1.5
x 1.5  NA 1.5

>  aggregate(amount~cat+card, data=Aaa, FUN= mean) 
  cat card amount
1   u    a    1.5
2   v    a    2.0
3   w    a    1.0
4   x    a    1.5
5   u    b    1.5
6   v    b    1.0
7   v    c    2.0
8   w    c    1.5
9   x    c    1.5