r - 查找列中具有不同值的对象的平均值

Question

我是 R 的新手(之前使用过 MATLAB)并且已经尝试了很长时间来为此寻找解决方案，但我找不到解决这个(看似)非常简单的问题的方法。这是问题所在；

在第一列中，我有几天的时间值(在本例中简化了)，在第二列中我有我想要平均的值。我想要做的是取属于同一时间的所有值并对其进行平均。我在相当大的数据集上做这件事，所以自动做这件事会有很大帮助。

让我们设置:

time = rep( c("00:00", "00:10", "00:20", "00:30", "00:40", "00:50", "01:00", "01:10"), 5)
values = c(sample(1:100, 40))
data = cbind(time, values)

所以现在我有我的矩阵，其中包含时间和值，我想对所有具有(例如)“00:00”的值进行分组并计算其平均值。经过一番搜索，我发现了 aggregate()函数可以很好地帮助，所以我做了以下；

aggregate(as.numeric(data[,-1]), by = list(sort(data[,1])), mean) 

有输出

    Group.1    x
1   00:00 77.2
2   00:10 59.2
3   00:20 51.0
4   00:30 49.4
5   00:40 51.4
6   00:50 33.4
7   01:00 33.8
8   01:10 51.6

所以它似乎工作得很好，但是当我手工计算它时，值的平均值都是不同的。 (例如；对于 00:00: (56+3+91+71+8)/5 = 45.8 而不是 77.2)，谁能告诉我我做错了什么？

Answer 1

@joran 的建议(不要通过排序来扰乱 by 变量)似乎有效:

set.seed(101) ## for reproducibility
time = rep( c("00:00", "00:10", "00:20", "00:30", 
      "00:40", "00:50", "01:00", "01:10"), 5)
values = c(sample(1:100, 40))
data = cbind(time, values)
aggregate(as.numeric(data[,2]),by=list(factor(data[,1])), mean)
##   Group.1    x
## 1   00:00 50.0
## 2   00:10 29.0
## 3   00:20 45.0
## 4   00:30 60.2
## 5   00:40 48.8
## 6   00:50 57.2
## 7   01:00 37.2
## 8   01:10 56.2
##

检查第一组:

mean(as.numeric(data[data[,1]=="00:00","values"]))
## [1] 50

作为进一步的建议，我强烈建议使用 data.frame而不是 cbind()设置您的列——这允许您将时间和数值放在一起，而无需将它们全部强制为同一类型。

(使用内置的时间对象也很好:我尝试了 times 来自 chron 包，但没有完全掌握它的窍门)

dat <- data.frame(time,values)  ## avoid using "data" as a variable name
aggregate(values~time, data=dat, mean)

更容易阅读。

顺便说一下，Stack Overflow 上有很多帖子比较了聚合的各种解决方案( by 、 aggregate 、 ddply 以及来自 plyr 包和 data.table 包的 friend ):例如 Elegant way to solve ddply task with aggregate (hoping for better performance) , R: speeding up "group by" operations , How to speed up summarise and ddply? ...