R 在ddply汇总期间从df中选择一个值

我想使用ddply和summary来获得数年数据的月度中位数。我可以成功地做到这一点。然而，我也希望有一个列包含一年数据的值。我知道其他的方法来添加这一点，但我想在ddply线内这样做。数据在底部

如果所有年份的中位数为16，2018年的值为30，则结果的第一行如下所示：

Month Median 2018
 
Apr   16.0   30

以下是我尝试过的： 这与预期的效果一样：

Summary您可以将特定年份值子集，然后合并：

可以将特定年份值子集，然后合并：

---

如果我们想在plyr中完成这一切，请使用plyr:：join

或者如果我们想在ddply内做到这一点

---

如果我们想在plyr中完成这一切，请使用plyr:：join

或者如果我们想在ddply内做到这一点

---

普利尔已经退休了。尝试改用dplyr。我不清楚您希望如何显示最终输出。你每年都会有一个新专栏吗？@Ronak Shah我只是在寻找我选择的年份的价值。换句话说，我希望能够在代码中输入2018，并让它返回一列，其中包含2018值，每个月汇总一个值。然后，如果我愿意，我可以将2018年切换到2019年，然后再次运行代码，这样我就可以有一列2019年的值。plyr已经失效。尝试改用dplyr。我不清楚您希望如何显示最终输出。你每年都会有一个新专栏吗？@Ronak Shah我只是在寻找我选择的年份的价值。换句话说，我希望能够在代码中输入2018，并让它返回一列，其中包含2018值，每个月汇总一个值。然后，如果我愿意，我可以将2018切换到2019，然后再次运行代码，这样我就有了一列2019的值。这正是我想要的输出。我仍然想在plyr代码中找到一种方法来实现这一点，但这可能需要知道。正如你提到的，普莱尔已经退休了。我想，我很难放弃它，因为在过去的几年里，我已经尝试过很多次了，但是我没有找到一个方法，这让我发疯。这正是我想要的结果。我仍然想在plyr代码中找到一种方法来实现这一点，但这可能需要知道。正如你提到的，普莱尔已经退休了。我想，我只是很难放弃它，因为在过去的几年里，我已经尝试过很多次了，而且我还没有找到一条路，这让我发疯。

year = 2018
data <- subset(df, Year == year, select = -Year)
names(data)[names(data) == 'Value'] <- year
merge(Summary, data, by = 'Month', all.x = TRUE)

#   Month Median 2018
#1    Apr   16.0   30
#2    Aug   47.5   62
#3    Dec   70.0   NA
#4    Feb   83.0   NA
#5    Jan   96.0   NA
#6    Jul  118.5  133
#7    Jun  150.5  165
#8    Mar  175.0  182
#9    May  199.0  213
#10   Nov  223.5  232
#11   Oct  248.0  262
#12   Sep  279.5  294

plyr::join(Summary, subset(df, Year == 2018, select = -Year))
#    Month Median Value
#1    Apr   16.0    30
#2    Aug   47.5    62
#3    Dec   70.0    NA
#4    Feb   83.0    NA
#5    Jan   96.0    NA
#6    Jul  118.5   133
#7    Jun  150.5   165
#8    Mar  175.0   182
#9    May  199.0   213
#10   Nov  223.5   232
#11   Oct  248.0   262
#12   Sep  279.5   294

plyr::ddply(df, ~ Month, summarise, Median = median(Value),
        `2018` = Value[Year == 2018][1])
#   Month Median 2018
#1    Apr   16.0   30
#2    Aug   47.5   62
#3    Dec   70.0   NA
#4    Feb   83.0   NA
#5    Jan   96.0   NA
#6    Jul  118.5  133
#7    Jun  150.5  165
#8    Mar  175.0  182
#9    May  199.0  213
#10   Nov  223.5  232
#11   Oct  248.0  262
#12   Sep  279.5  294