dplyr包是Hadley即plyr包之后又推出的一个新的数据处理包。如果说相对于R中的基础函数，plyr包使输出结果更加友好，那么dplyr包不仅使输出的结果更加友好，而且大大提高了运算效率。无论如何，今天这篇文章，主要是介绍dplyr中极其小的一部分，group_by和ungroup函数的使用。(下文所有运行结果，都使用Tab进行退格，然后以#开始，也有部分结果太长没有展示)
group_by & ungroup基础
group_by函数对数据进行分组，ungroup函数去除已分组数据的分组。此外，函数groups则能显示出分组数据的分组依据（对于已使用ungroup函数去除分组的数据，groups函数则显示为NULL）。
原始数据
原始数据的概况。
library(dplyr)
## 原始数据
### 这是一个32X12的数据框
mtcars
# mpg cyl disp hp drat wt qsec vs am gear carb
# Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
# Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
# Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
# Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
# Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
# Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
# Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
# Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
# Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
# Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
# Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
# Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
# Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
# Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
# Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
# Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
# Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
# Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
# Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
# Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
# Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
# Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
# AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
# Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
# Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
# Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
# Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
# Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
# Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
# Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
# Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
# Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
group_by & ungroup
group_by函数对数据进行分组时，默认情况下对处理的数据的分组情况是忽略掉的，只有把参数add = TRUE才在原始数据的基础上添加新的分类。因此，在默认情况下，在第二次分组时，可以对已分组数据直接进行第二次分组，而不必先用ungroup函数拆除已有分组指标。
## 对数据mtcars进行分组，分组依据为cyl
by_cyl <- group_by(mtcars, cyl)
groups(by_cyl)
# [[1]]
# cyl
## 去除数据mtby_cyl分组依据后，分组依据为NULL
ungroup(by_cyl)
# NULL
## 这里对by_cyl先去除第一次的分组依据不是必须的
groups(group_by(ungroup(by_cyl), vs, am))
# [[1]]
# vs
# [[2]]
# am
## 对已分组数据by_cyl进行再次分组，分组依据为vs和am，而没有cyl（参数add默认值为TRUE）
groups(group_by(by_cyl, vs, am))
# [[1]]
# vs
# [[2]]
# am
## 对以分组数据by_cyl进行再次分组，分组依据为cyl、vs和am
groups(group_by(by_cyl, vs, am, add = TRUE))
# [[1]]
# cyl
# [[2]]
# vs
# [[3]]
# am
group_by & ungroup延伸
使用group_by函数进行分组的数据，数据本身常常包含着分组依据，所以在未去除分组（ungroup）或下一次分组（使用group_by）前，分组依据常常保留，这会影响一些函数的运算结果，其中包括filter，arrange函数(0.5.0版本的dplyr包分组不在影响arrange函数的结果，并且作者指出在以后的版本中一直保持这个更改)和指标函数。
filter函数
### 这里按cyl进行分组，所以筛选结果有3条
filter(by_cyl, disp == max(disp))
# Source: local data frame [3 x 11]
# Groups: cyl
# mpg cyl disp hp drat wt qsec vs am gear carb
# 1 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
# 2 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
# 3 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
各指标函数(以平均值为例)
## 分组前后结果的差异，即x1与x3、x2与x4的差异
### x1和x求的是整体的平均值，x3和x4求的是按cyl进行分组后的平均值
temp = mtcars %>% mutate(x1 = mean(disp), x2 = mean(hp)) %>% group_by(cyl) %>% mutate(x3 = mean(disp), x4 = mean(hp))
groups(temp)
# [[1]]
# cyl
temp
## 两次分组之间的差异
## nvs1 等于nvs2，不等于n.vs.am
## 第一次分组, 显示按vs分类，各组的个数
by_vs <- mtcars %>% arrange(vs, am) %>% group_by(vs) %>% mutate(n.vs1 = n())
groups(by_vs)
# [[1]]
# vs
by_vs
## 第二次分组
## 第一次分组在遇到第二次分组后作用就会消失，只显示按am分组，各组的个数
by_vs_am <- by_vs %>% mutate(n.vs2 = n()) %>% group_by(am) %>% arrange(am) %>% mutate(n.vs.am = n())
groups(by_vs_am)
# [[1]]
# am
by_vs_am