group_by ()

## 데이터를 조건에 맞게 그룹으로 분할
ddply(diamonds, .(cut), summarise, priceMean=mean(price))

## diamond_df를 cut을 기준으로 그룹화
df=group_by(diamonds_df, cut)
Source: local data frame [53,940 x 10]
Groups: cut  ## cut으로 그룹화 되어있는 것을 볼 수 있다.

carat       cut color clarity depth table price    x    y    z
1   0.23     Ideal     E     SI2  61.5    55   326 3.95 3.98 2.43
2   0.21   Premium     E     SI1  59.8    61   326 3.89 3.84 2.31
3   0.23      Good     E     VS1  56.9    65   327 4.05 4.07 2.31
4   0.29   Premium     I     VS2  62.4    58   334 4.20 4.23 2.63
5   0.31      Good     J     SI2  63.3    58   335 4.34 4.35 2.75
6   0.24 Very Good     J    VVS2  62.8    57   336 3.94 3.96 2.48
7   0.24 Very Good     I    VVS1  62.3    57   336 3.95 3.98 2.47
8   0.26 Very Good     H     SI1  61.9    55   337 4.07 4.11 2.53
9   0.22      Fair     E     VS2  65.1    61   337 3.87 3.78 2.49
10  0.23 Very Good     H     VS1  59.4    61   338 4.00 4.05 2.39
..   ...       ...   ...     ...   ...   ...   ...  ...  ...  ...

## 그룹화된 데이터를 가지고 summarise()함수를 이용해 price의 평균을 구해보자
summarise(df, meanPrice=mean(price, na.rm=TRUE))
Source: local data frame [5 x 2]

cut meanPrice
1      Fair  4358.758
2      Good  3928.864
3 Very Good  3981.760
4   Premium  4584.258
5     Ideal  3457.542

summarise(df, N=n(), meanPrice=mean(price)) ## n()함수는 그룹별로 관찰값들의 개수
Source: local data frame [5 x 3]

cut     N meanPrice
1      Fair  1610  4358.758
2      Good  4906  3928.864
3 Very Good 12082  3981.760
4   Premium 13791  4584.258
5     Ideal 21551  3457.542

[출처] R] 데이터를 조건에 맞게 그룹으로 분할(group_by, summarise이용)|작성자 ilustion