我是新入R（和計算器）和我有（我認爲）有點問題，工作是一件很容易的事。數據和基礎研發規劃
基本上我有一些數據，例如：
ID | Data
----------
1 | 20
----------
2 | 30
----------
3 | 25
----------
4 | 26
----------
5 | 88
----------
6 | 65
----------
7 | 70
----------
8 | 30
----------
9 | 15
----------
10| 22
----------
我想要做的是：
所以，如果我有15個觀察我只有5在這個例子中結束。
謝謝！
我們創建分組變量與%/%並使用aggregate從base R拿到「數據」列
df1$grp <- (seq_len(nrow(df1))-1) %/%3 + 1
aggregate(Data~grp, df1, FUN = mean)
# grp Data
#1 1 25.00000
#2 2 59.66667
#3 3 38.33333
#4 4 22.00000
的mean的%/%表示整數除法。例如，如果我們使用整數除法上的10
(1:10-1) %/% 3 + 1
#[1] 1 1 1 2 2 2 3 3 3 4
注意一個序列1在年底加入使從1而不是0的組開始，但它只是一個選擇
OP對R來說是新的。也許嘗試使用'％/％'和公式表示法來解釋一些您正在使用的內容。 – brittenb
類似的解決方案，但使用data.table是：
library(data.table)
setDT(df)[, mean(Data), by = .(((seq_len(nrow(df))-1) %/% 3) + 1)]
# seq_len V1
#1: 1 25.00000
#2: 2 59.66667
#3: 3 38.33333
#4: 4 22.00000
這是不錯的，因爲data.table的by需要表達，所以你並不需要創建一個新的變量。 Credit用於計算組的akrun。
一點背景：
從data.table小插曲：
從data.frame data.table繼承。它提供了快速，高效的nemory：文件讀寫器，聚合，更新，相等，不相等，軋件，範圍和區間連接，在很短的和靈活的語法，爲更快的發展。
data.table的語法可能與data.frames的語法非常不同。在這種情況下，我們指定我們要執行（該mean(Data)），然後我們也告訴data.table什麼組通過計算 - 在這種情況下，表達((seq_len(nrow(df))-1) %/% 3) + 1，其評估的是由1每4個元素索引的數值向量：
((seq_len(nrow(df))-1) %/% 3) + 1
[1] 1 1 1 2 2 2 3 3 3 4
這然後返回你在上面看到的輸出。
數據：
df <- structure(list(ID = 1:10, Data = c(20L, 30L, 25L, 26L, 88L, 65L,
70L, 30L, 15L, 22L)), .Names = c("ID", "Data"), row.names = c(NA,
-10L), class = c("data.table", "data.frame"), .internal.selfref = <pointer: 0x00000000063e0788>)
的一種方式做，這是首先創建一個分組變量。這個變量將允許我們將split數據集放入我們的組中，然後找到平均值。然後，我們可以將手段和它們的ID組合到一個新的數據框中。
讓我們從分組變量開始。我們將利用模數%%來做到這一點。
set.seed(9025)
df = data.frame(id=1:10, values=sample(1:100, 10, FALSE))
df$group = df$id - (df$id %% -3)
df
id values group
1 1 85 3
2 2 2 3
3 3 93 3
4 4 47 6
5 5 90 6
6 6 1 6
7 7 27 9
8 8 57 9
9 9 81 9
10 10 3 12
現在我們可以用我們的組變量split。
dl = split(df, df$group)
dl
$`3`
id values group
1 1 85 3
2 2 2 3
3 3 93 3
$`6`
id values group
4 4 47 6
5 5 90 6
6 6 1 6
$`9`
id values group
7 7 27 9
8 8 57 9
9 9 81 9
$`12`
id values group
10 10 3 12
split只是將數據框打破了我們提供給它的變量。因此，第一個數據幀只是df的子集，其中df$group等於3.由於我們不打算使用它，因此df$group的實際值並不重要。我們只需要確保一次獲得三排。
接下來，我們只是在list循環，並計算平均
means = unname(sapply(dl, function(x) mean(x$values), simplify=TRUE))
means
60 46 55 3
最後，我們只是把它變成一個新的數據幀。
n = length(means)
new_df = data.frame(id=1:n, mean=means)
new_df
id mean
1 1 60
2 2 46
3 3 55
4 4 3
綜上所述，算法是這樣的：
df$group = df$id - (df$id %% -3)
dl = split(df, df$group)
means = unname(sapply(dl, function(x) means(x$values), simplify=TRUE)
n = length(means)
new_df = data.frame(id=1:n, mean=means)
歡迎R和StackOverflow的！如果你已經提供了一些你已經嘗試過的例子，你會發現人們非常樂意幫助你回答問題。所以，考慮到這一點，你如何解決這些問題最初的想法是什麼？問題中最好提供的答案，而不是這裏的評論。 – brittenb
感謝您的建議@brittenb – Wolkuz