R 需要帮助配对数据吗

我在寻找一个快速的答案。我使用的数据集如下所示：

    Week      Game.ID           VTm VPts HTm HPts Differential HomeWin 
    1  NFL_20050908_OAK@NE      OAK   20 NE  30           10   TRUE 
    1 NFL_20050911_ARI@NYG      ARI   19 NYG 42           23   TRUE 
    1 NFL_20050911_CHI@WAS      CHI    7 WAS 9            2    TRUE 
    1 NFL_20050911_CIN@CLE      CIN   27 CLE 13          -14   FALSE 
    1  NFL_20050911_DAL@SD      DAL   28 SD  24           -4   FALSE 
    1 NFL_20050911_DEN@MIA      DEN   10 MIA 34           24   TRUE 

NFL数据。我想找到一种方法，将每个HTm与其差分配对，并将这些值存储在另一个表中。我知道这很容易做到，但我想到的所有方法都涉及到通过搜索[I，5]=“NE”、[I，5]=“NYG”的for循环分别对每个团队进行操作。我想知道是否有一种方法可以系统地为所有32支球队做到这一点。然后，我将使用相同的方法将相同团队代码（“NYG”或“NE”）的VTM与VPT和VDDifferential配对

---

谢谢您的帮助。

我不确定是否正确理解了您的问题（您需要数据库中的select功能？），但是：

---

选择列x和y并创建一个新矩阵

听起来您希望基于分组变量对数据帧执行操作。为此，有许多函数，其中包括

tapply（）

。例如，如果您的数据位于名为

nflDF

的data.frame对象中，您可以通过

tapply(nflDF$Differential, nflDF$HTm, FUN = max)

将返回（与您的示例数据一起）

或者，您也可以通过使用

：

by(nflDF, nflDF$HTm, FUN = function(x) max(x$Differential))

HTm: CLE
[1] -14
------------------------------------------------------------ 
HTm: MIA
[1] 24
------------------------------------------------------------ 
HTm: NE
[1] 10
------------------------------------------------------------ 
HTm: NYG
[1] 23
------------------------------------------------------------ 
HTm: SD
[1] -4
------------------------------------------------------------ 
HTm: WAS
[1] 2

要执行更复杂的操作，请在相应的函数中更改提供给
FUN
参数的值。
并且稍加努力：-）您也可以拖动列名。谢谢您的帮助。不知道为什么cbind没有出现在我的脑海里。我希望为所有32支球队创建单独的矩阵，这样我就可以对分数进行独立分析。单独做并不难，但我想知道是否有某种循环我没有想到，我可以一下子跑完所有32个。如果有意义的话，可以根据主队将所有比赛分组。此外：如果有多行HTm值相同，并且要对其进行筛选，则可以使用子集（数据、条件），然后可以使用总和/平均值进行进一步处理
CLE MIA  NE NYG  SD WAS 
-14  24  10  23  -4   2

by(nflDF, nflDF$HTm, FUN = function(x) max(x$Differential))

HTm: CLE
[1] -14
------------------------------------------------------------ 
HTm: MIA
[1] 24
------------------------------------------------------------ 
HTm: NE
[1] 10
------------------------------------------------------------ 
HTm: NYG
[1] 23
------------------------------------------------------------ 
HTm: SD
[1] -4
------------------------------------------------------------ 
HTm: WAS
[1] 2