9.6　拆分—应用—合并（Split-Apply-Combine）

在研究数据时一个很常见的问题是：如何对那些已被分成不同小组的变量进行统计计算。以下是经典的道路交通安全游戏Frogger的得分情况：

  1. (frogger_scores <- data.frame( 
  2.   player = rep(c("Tom", "Dick", "Harry"), times = c(2, 5, 3)), 
  3.   score = round(rlnorm(10, 8), -1) 
  4. ))
  6. ##    player score
  7. ## 1     Tom  2250
  8. ## 2     Tom  1510
  9. ## 3    Dick  1700
  10. ## 4    Dick   410
  11. ## 5    Dick  3720
  12. ## 6    Dick  1510
  13. ## 7    Dick  4500
  14. ## 8   Harry  2160
  15. ## 9   Harry  5070
  16. ## 10  Harry  2930

计算每个玩家的平均得分需要三个步骤。首先，我们按玩家来分开数据集：

  1. (scores_by_player <- with( 
  2.   frogger_scores, 
  3.   split(score, player) 
  4. ))
  6. ## $Dick 
  7. ## [1] 1700 410 3720 1510 4500 
  8. ## 
  9. ## $Harry 
  10. ## [1] 2160 5070 2930 
  11. ## 
  12. ## $Tom 
  13. ## [1] 2250 1510

然后，我们将（mean）函数应用于每个元素：

  1. (list_of_means_by_player <- lapply(scores_by_player, mean))
  3. ## $Dick 
  4. ## [1] 2368 
  5. ## 
  6. ## $Harry 
  7. ## [1] 3387 
  8. ## 
  9. ## $Tom 
  10. ## [1] 1880

最后，我们把结果合并到单个向量中：

  1. (mean_by_player <- unlist(list_of_means_by_player))
  2. ## Dick Harry Tom 
  3. ## 2368 3387 1880

如果使用vapply或sapply，最后两个步骤可简化成一步，但拆分－应用－合并是如此常用，所以我们必须简化它。方法就是使用tapply函数，它能一次执行所有的三个步骤，一气呵成：

  1. with(frogger_scores, tapply(score, player, mean))
  3. ## Dick Harry Tom 
  4. ## 2368 3387 1880

还有几个其他的tapply包装函数，例如by和aggregate。它们的功能相同，但接口稍有不同。

提示

SQL的粉丝可能会注意到，拆分－应用－合并其实就是GROUP BY操作。