¿Cómo puedo colapsar un marco de datos mediante algunas variables, tomando la media entre otros?

Question

Necesito resumir un marco de datos por algunas variables, ignorando las demás. Esto a veces se conoce como colapso. P.ej. si tengo una trama de datos de esta manera:

Widget Type Energy 
egg 1 20 
egg 2 30 
jap 3 50 
jap 1 60 

Luego colapsar por Widget, la energía de la variable dependiente, Energía ~ Widget, produciría

Widget Energy 
egg 25 
jap 55 

En Excel la funcionalidad más cercano podría ser "tablas dinámicas" y he resuelto cómo hacerlo en python (http://alexholcombe.wordpress.com/2009/01/26/summarizing-data-by-combinations-of-variables-with-python/), y aquí hay un ejemplo con R que usa la biblioteca doBy para hacer algo muy relacionado (http://www.mail-archive.com/r-help@r-project.org/msg02643.html), pero ¿hay alguna manera fácil de hacer lo anterior? Y aún mejor, ¿hay algo incorporado en la biblioteca ggplot2 para crear tramas que colapsen en algunas variables?

Answer 1

Uso aggregate resumir entre un factor:

> df<-read.table(textConnection(' 
+ egg 1 20 
+ egg 2 30 
+ jap 3 50 
+ jap 1 60')) 
> aggregate(df$V3,list(df$V1),mean) 
    Group.1 x 
1  egg 25 
2  jap 55 

Para más mirada flexibilidad a la función tapply y el paquete plyr.

En ggplot2 uso stat_summary resumir

qplot(V1,V3,data=df,stat="summary",fun.y=mean,geom='bar',width=0.4) 

Answer 2

Para aquellos familiarizados con SQL, otra manera de manipular tramas de datos puede ser el comando sqldf en el paquete sqldf.

library(sqldf) 
sqldf("SELECT Widget, avg(Energy) FROM yourDataFrame GROUP BY Widget") 

Answer 3

@Jyotirmoy mencionó que esto se puede hacer con la biblioteca plyr. Esto es lo que se vería así:

DF <- read.table(text= 
"Widget Type Energy 
egg 1 20 
egg 2 30 
jap 3 50 
jap 1 60", header=TRUE) 

library("plyr") 
ddply(DF, .(Widget), summarise, Energy=mean(Energy)) 

que da

> ddply(DF, .(Widget), summarise, Energy=mean(Energy)) 
    Widget Energy 
1 egg  25 
2 jap  55