我是新入R（和计算器）和我有（我认为）有点问题，工作是一件很容易的事。数据和基础研发规划
基本上我有一些数据，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个观察我只有5在这个例子中结束。
谢谢！
我们创建分组变量与%/%并使用aggregate从base R拿到“数据”列
df1$grp <- (seq_len(nrow(df1))-1) %/%3 + 1
aggregate(Data~grp, df1, FUN = mean)
# grp Data
#1 1 25.00000
#2 2 59.66667
#3 3 38.33333
#4 4 22.00000
的mean的%/%表示整数除法。例如，如果我们使用整数除法上的10
(1:10-1) %/% 3 + 1
#[1] 1 1 1 2 2 2 3 3 3 4
注意一个序列1在年底加入使从1而不是0的组开始，但它只是一个选择
OP对R来说是新的。也许尝试使用'％/％'和公式表示法来解释一些您正在使用的内容。 – brittenb
类似的解决方案，但使用data.table是：
library(data.table)
setDT(df)[, mean(Data), by = .(((seq_len(nrow(df))-1) %/% 3) + 1)]
# seq_len V1
#1: 1 25.00000
#2: 2 59.66667
#3: 3 38.33333
#4: 4 22.00000
这是不错的，因为data.table的by需要表达，所以你并不需要创建一个新的变量。 Credit用于计算组的akrun。
一点背景：
从data.table小插曲：
从data.frame data.table继承。它提供了快速，高效的nemory：文件读写器，聚合，更新，相等，不相等，轧件，范围和区间连接，在很短的和灵活的语法，为更快的发展。
data.table的语法可能与data.frames的语法非常不同。在这种情况下，我们指定我们要执行（该mean(Data)），然后我们也告诉data.table什么组通过计算 - 在这种情况下，表达((seq_len(nrow(df))-1) %/% 3) + 1，其评估的是由1每4个元素索引的数值向量：
((seq_len(nrow(df))-1) %/% 3) + 1
[1] 1 1 1 2 2 2 3 3 3 4
这然后返回你在上面看到的输出。
数据：
df <- structure(list(ID = 1:10, Data = c(20L, 30L, 25L, 26L, 88L, 65L,
70L, 30L, 15L, 22L)), .Names = c("ID", "Data"), row.names = c(NA,
-10L), class = c("data.table", "data.frame"), .internal.selfref = <pointer: 0x00000000063e0788>)
的一种方式做，这是首先创建一个分组变量。这个变量将允许我们将split数据集放入我们的组中，然后找到平均值。然后，我们可以将手段和它们的ID组合到一个新的数据框中。
让我们从分组变量开始。我们将利用模数%%来做到这一点。
set.seed(9025)
df = data.frame(id=1:10, values=sample(1:100, 10, FALSE))
df$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
现在我们可以用我们的组变量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
$`12`
id values group
10 10 3 12
split只是将数据框打破了我们提供给它的变量。因此，第一个数据帧只是df的子集，其中df$group等于3.由于我们不打算使用它，因此df$group的实际值并不重要。我们只需要确保一次获得三排。
接下来，我们只是在list循环，并计算平均
means = unname(sapply(dl, function(x) mean(x$values), simplify=TRUE))
means
60 46 55 3
最后，我们只是把它变成一个新的数据帧。
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
综上所述，算法是这样的：
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)
欢迎R和StackOverflow的！如果你已经提供了一些你已经尝试过的例子，你会发现人们非常乐意帮助你回答问题。所以，考虑到这一点，你如何解决这些问题最初的想法是什么？问题中最好提供的答案，而不是这里的评论。 – brittenb
感谢您的建议@brittenb – Wolkuz