Aggregate（）-R-是否可以对所有子集和超集进行计算？

我是新手。。。我读了很多aggregate（）、by（）和tapply（）指南，但没有找到答案

使用R帮助页面中的示例（warpbreaks是R中的数据集）

但是，如果我还需要所有超集的结果（如下面第7到10行），我应该如何编码

如果有不使用聚合函数的方法也可以。非常感谢

---

---

大家好，谢谢你们的回答！实际上，我有40多个子集和200多个变量要计算（在示例中，不仅仅是一个变量“中断”）。因此，我发现使用

taply

或

aggregate（breaks~tension，data=warpbreaks，mean）

然后合并结果是低效的。请告诉我在这种情况下是否有更好的数据处理方法

我相信有一种更优雅的方法，但是简单的

tapply

？怎么样，然后通过一点数据操作，您可以组合结果并实现您想要的结果

> tapply(warpbreaks$breaks, warpbreaks$tension, mean)
       L        M        H 
36.38889 26.38889 21.66667 
> tapply(warpbreaks$breaks, warpbreaks$wool, mean)
       A        B 
31.03704 25.25926 

---

这是一个相当丑陋的答案

library(dplyr)

variables =  c("wool", "tension")

1:length(variables) %>%
  lapply(. %>% combn(variables, ., simplify = F)) %>%
  unlist(recursive = F) %>%
  c(list(character(0))) %>%
  data_frame(variables = .) %>%
  rowwise %>%
  do({group_by_(warpbreaks, .dots = variables) %>%
      summarize(breaks = mean(breaks))})

---

谢谢大家。从中我们学到了很多。重复回答： 通过

expand.grid

给出网格，并使用函数填充它

在我的例子中，由于我的真实数据中有不止一个变量（2000多个变量而不是一个“中断”），我最快找到了难看的答案

result1 <- aggregate(breaks ~ wool + tension, data = warpbreaks, mean)
result2 <- aggregate(breaks ~ wool, data = warpbreaks, mean)
result3 <- aggregate(breaks ~ tension, data = warpbreaks, mean)
result4 <- aggregate(breaks ~ 0, data = warpbreaks, mean)
result <- rbind(result1,result2, result3,result4)

---

result1
aggregate（breaks~tension，data=warpbreaks，mean）
羊毛也是这样，这就是你要问的吗？
aggregate（breaks~0，data=warpbreaks，mean）
或者干脆
mean（warpbreaks$breaks）
这是我问过的第一个问题！也许答案现在已经过时了，这是另一个部分重复：
library(dplyr)

variables =  c("wool", "tension")

1:length(variables) %>%
  lapply(. %>% combn(variables, ., simplify = F)) %>%
  unlist(recursive = F) %>%
  c(list(character(0))) %>%
  data_frame(variables = .) %>%
  rowwise %>%
  do({group_by_(warpbreaks, .dots = variables) %>%
      summarize(breaks = mean(breaks))})

result1 <- aggregate(breaks ~ wool + tension, data = warpbreaks, mean)
result2 <- aggregate(breaks ~ wool, data = warpbreaks, mean)
result3 <- aggregate(breaks ~ tension, data = warpbreaks, mean)
result4 <- aggregate(breaks ~ 0, data = warpbreaks, mean)
result <- rbind(result1,result2, result3,result4)