在数据分析领域，R语言以其强大的数据处理和统计分析功能而广受欢迎。对于那些从SAS或SQL转战R语言的用户来说，他们可能会好奇如何在R中实现类似的数据汇总功能。本文将探讨在R中汇总数据集的主要方法，帮助更高效地进行数据分析工作。
数据汇总通常指的是计算数据集的统计量，如平均值、中位数、箱线图等。如果对散点图和直方图有所了解，可以参考R语言中的数据可视化指南。本文将重点介绍如何在R中汇总数据集。
以下是R中几种常用的数据汇总方法，每种方法都有其特定的应用场景和优势。
apply函数可以对矩阵的行或列应用函数，返回一个向量、数组或列表。这是最简单的函数之一，但只适用于行或列的折叠操作。
m <- matrix(c(1:10, 11:20), nrow = 10, ncol = 2)
apply(m, 1, mean)
# 输出结果
lapply函数返回一个与X相同长度的列表，每个元素是应用FUN到X对应元素的结果。
l <- list(a = 1:10, b = 11:20)
lapply(l, mean)
# 输出结果
sapply函数与apply类似，但返回一个向量或矩阵。
l <- list(a = 1:10, b = 11:20)
l.mean <- sapply(l, mean)
class(l.mean)
# 输出结果
tapply函数可以完成SQL中分组汇总的功能。它的使用方式是“tapply(X, INDEX, FUN = NULL, …, simplify = TRUE)”，其中X是一个原子对象，通常是向量，INDEX是一个与X长度相同的因子列表。
attach(iris)
tapply(iris$Petal.Length, Species, mean)
# 输出结果
by函数是tapply的面向对象包装器，应用于数据框。它通过类别变量（如物种）分割数据，并在该级别上创建摘要。
attach(iris)
by(iris[, 1:4], Species, colMeans)
# 输出结果
如果发现上述方法难以理解，sqldf函数可以作为救星。它允许在R中使用SQL查询。
attach(iris)
summarization <- sqldf("select Species, mean(Petal.Length) as Petal.Length_mean from iris group by Species")
# 输出结果
ddply是最快的方法之一，但需要额外的包。以下是如何在ddply中实现tapply部分的操作。
library(plyr)
attach(iris)
ddply(iris, "Species", summarise, Petal.Length_mean = mean(Petal.Length))
# 输出结果
还可以使用dplyr、data.table等包来汇总数据。这里有一篇关于R中数据操作有用包的完整教程。