我有数百份数据，这些数据可从多份研究论文中获得不同年龄的小型动物的体重。我想按年龄分组和分析体重，持续7天。我已经使用cut in R成功地按年龄对数据进行分组，并在每个7d bin中具有默认数量的值（计数）。但是即使经过大量谷歌搜索，我也找不到扩展“切割”的方法来获得每个年龄段的基本统计摘要，包括均值，SE，CL和中位数。那有可能吗，有人可以帮助我或指出正确的方向吗？
我还查看了dplyr，尽管它似乎具有提供统计摘要的功能，但是我看不到一种按7d间隔对年龄进行分组的方法。那会是更好的选择吗？
感谢您非程序员的帮助。
附加信息
感谢你们双方的意见。抱歉，我们提供的信息有限，希望这可以解决问题。我在Excel中有2000多行数据。行是以天为单位的年龄，列是“ MaleFI”，“ MaleMEI”和“ MaleBW”，其中FI是食物摄入量，MEI是可代谢能量摄入，BW是体重。数据的一部分如下所示。通常，我可以使用Excel数据透视表来分析数据，但其中不包含计算中位数或标准误差的选项；Power Pivot可以但不能分组！因此，数据如下（按天数排序，没有空格）：
年龄是连续的，可能会上升到约900个，每个年龄的值都有不同的数量。
我们的目标是按7d周期分组，并且如上所述，我对每组进行了统计分析：
这是我用来对数据进行分组的代码，但是如前所述，事后看来，可能将dplyr与group_by一起使用并进行汇总可能是一种更好的方法。
library("xlsx")
library("dplyr")
Pivot.data <- read.xlsx(file.choose(), 1) # read first sheet
pt<-cut(Pivot.data$Age, breaks=seq(21, 800, by=7))
table(pt)
输出为（21,28]（28,35]（35,42]（42,49]（49,56]（56,63]（63,70]（70,77]
6 15 41 73 92 98 95 99
我会对范围的格式感到满意，即（21,28]等而不是21-28。
感谢您的评论，对不起，您没有明确要求。感谢您付出宝贵的时间来提供帮助。
丹，这是使用dput的输出：
dput（head（Pivot.data，20））结构（list（Age = c（28，28，28，28，28，28，30，35，35，35，35，35，35，35，35，35，35 ，35，35，35，35），MaleFI = c（14.62，13.82，10.6691449814126，15.9859154929577，11.7，14.0273778252258，13.5877862595419，17.73，17.93，17.99，22.1214285714286，17.6，22.48，21.7，19.6，21.4，21.25，20.37， 19.3215613382899，23.169014084507），MaleMEI = c（212.66252，201.02572，144.342862453531，216.273450704225，160.171462269，204.047711328562，197.653240885495，257.90058，241.76812，261.68254，298.285342857，29.345.243.143.345 MaleBW = c（121.68，112.15，85.7142857142856，143.181818181818，109.20245398773，89.8187948576385，126.522593320235，131.96，127.98，142.57，126.92，146.9，145.45，131.9，129.8，132.4，191.21，179.44238，138。272727272727）），row.names = c（NA，20L），class =“ data.frame”）
如果我理解正确（但是请下次尝试包含可复制的示例），则此代码应执行以下操作：
library(tidyverse)
your_df %>%
# mutate(Age_cl = cut(Age, c(-Inf,30,60,Inf))) %>%
mutate(Age_cl = cut(Age, breaks=c(-Inf, seq(min(Age), max(Age), by=7), Inf), right = F)) %>%
group_by(Age_cl) %>%
summarise(
n=n(),
m=mean(Age, na.rm=T),
sd=sd(Age, na.rm=T),
max=max(Age, na.rm=T),
min=min(Age, na.rm=T)
)
您创建了age_cl作为的结果的新列cut，然后按此新列和summarise（或可以mutate再次根据需要）所有所需的摘要进行分组。
您还可以使用summarise_at一系列功能：
your_df %>%
mutate(Age_cl = cut(Age, c(-Inf,30,60,Inf))) %>%
group_by(Age_cl) %>%
summarise_at("Age", list(m=mean, sd=sd, max=max, min=min), na.rm=T)
请注意，其他参数将适用于所有功能，例如na.rm此处。
编辑：对于记录，似乎有一种使用该summary函数的方法，但是您必须将其结果转换为data.frame才能起作用。summary与像上面那样编写函数相比，这可能不值得。这是iris数据集的示例：
iris %>%
mutate(Sepal.Length_cl = cut(Sepal.Length, c(-Inf,5,6,Inf))) %>%
group_by(Sepal.Length_cl) %>%
group_modify(~summary(.$Sepal.Length) %>% unclass %>% t %>% as.data.frame)
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句