R 在数据帧中聚合行

这是我正在使用的数据集（名为“

ME

”）的一部分：

   Year    Age   FemaleEXP  MaleEXP  TotalEXP  FemaleM   MaleM    TotalM 
1  1800   90-94    396.85    167.93    564.78   174.64    94.03   268.67
2  1800   95-99     42.70     12.31     55.01    27.62    13.67    41.29
3  1800 100-104      0.74      0.05      0.79     1.75     0.29     2.04
4  1800 105-109      0.00      0.03      0.00     0.01     0.00     0.00
5  1800    110+      0.00      0.00      0.00     0.00     0.00     0.00

我想将最后3行聚合为一行，如下所示：

  Year    Age   FemaleEXP  MaleEXP  TotalEXP  FemaleM   MaleM    TotalM 
1  1800   90-94    396.85    167.93    564.78   174.64    94.03   268.67
2  1800   95-99     42.70     12.31     55.01    27.62    13.67    41.29
3  1800    100+      0.74      0.08      0.79     1.76     0.29     2.04

问题是我有一年多的时间（1800-2014）。如何汇总每年的行数？我想我应该使用for循环，但我真的不知道从哪里开始。

如果“Age”列是

factor

，我们将其转换为

character

类，然后将“Age”中以1开头，后面跟着2个数字的元素更改为“100+”，使用指定的

级别

将其重新转换为

因子

，并使用

聚合

 dfN$Age <- as.character(dfN$Age)
 dfN$Age[grep('^1\\d{2}-?', dfN$Age)] <- "100+"
 dfN$Age <- factor(dfN$Age, levels=unique(dfN$Age))
 aggregate(.~Year+Age, dfN, sum) 
 #      Year   Age FemaleEXP MaleEXP TotalEXP FemaleM MaleM TotalM
 #1 1800 90-94    396.85  167.93   564.78  174.64 94.03 268.67
 #2 1800 95-99     42.70   12.31    55.01   27.62 13.67  41.29
 #3 1800  100+      0.74    0.08     0.79    1.76  0.29   2.04

---

dfN$Age使用
data.table
您可以通过两个简单的步骤完成此操作（不管
Age
是否是一个因素）


尽管更可靠的方法是直接将正则表达式传递给
by
语句（这在某种程度上是@akruns regex的修改，但我在这里直接使用
gsub
）

年龄是性格还是因素？请给出
str（我）
（编辑你的问题）！仅供参考，在R中，循环几乎从来都不是最好的选择，因为它们变得非常慢。相反，将代码矢量化。请查看
？lappy
，然后可能是一个教程，因为在您经常使用它之前，它是没有意义的。仅供参考，您似乎已经部分编辑了以前的答案，但现在它不起作用了！无论如何，谢谢你的帮助！好的，我暂时回退了，但这在您的数据集上运行得非常好。
unique（df$Age）[1:2]
在真实数据中为您提供了什么？我明白了：问题可能在于我有3个以上的年龄组，而不仅仅是90-94,95-99100+（我有21个年龄组）。有可能吗？那么我的解决方案应该不会有任何效果。。。你确定这样做正确吗？可能akruns给出了正确的结果。好的，请参阅我的新编辑。我认为这将是解决您的问题的最佳方案。如果您不介意的话，我借用了一些您的正则表达式逻辑（并对其进行了一些修改）。@DavidArenburg对我来说没问题。
library(data.table)
setDT(df)[!Age %in% c("90-94", "95-99"), Age := "100+"]
df[, lapply(.SD, sum), by = .(Year, Age)]
#    Year   Age FemaleEXP MaleEXP TotalEXP FemaleM MaleM TotalM
# 1: 1800 90-94    396.85  167.93   564.78  174.64 94.03 268.67
# 2: 1800 95-99     42.70   12.31    55.01   27.62 13.67  41.29
# 3: 1800  100+      0.74    0.08     0.79    1.76  0.29   2.04

setDT(df)[, lapply(.SD, sum), by = .(Year, Age = sub('^\\d{3}.*', "100+", Age))]
#    Year   Age FemaleEXP MaleEXP TotalEXP FemaleM MaleM TotalM
# 1: 1800 90-94    396.85  167.93   564.78  174.64 94.03 268.67
# 2: 1800 95-99     42.70   12.31    55.01   27.62 13.67  41.29
# 3: 1800  100+      0.74    0.08     0.79    1.76  0.29   2.04