这个包不是必须，如果没有这个包，感兴趣的人可以下载数据来演示：oats.csv

library(asreml) 
library(reshape)
library(pastecs)
data(oats)
head(oats)

第一种，通用的描述性统计一般是没有分组的变量，比如产量，胸径等

stat.desc(oats$yield,norm = T)

第二种，手动定义函数，然后可以分组进行描述性统计，并且以列表的形式给出

func <- function(x)(c(mean=mean(x,na.rm = T),sd=sd(x,na.rm = T),cv=sd(x,na.rm = T)/mean(x,na.rm = T)*100))cast(oats,Variety~. ,func) #分组因素为一个Variety
cast(oats,Variety+Wplots~.,func)  #分组因素为两个 Variety+Wplots

第三种，用aggregate函数来实现对分组数据的描述性统计

aggregate(oats$yield,by=list(Variety=oats$Variety),mean)#只能算一个平均数
aggregate(oats$yield, by=list(Variety=oats$Variety),func)#用自动以函数

第四种，可以用by函数直接处理

by(oats$yield,oats$Variety,func) #结果不友好

转载本文请联系原作者获取授权，同时请注明本文来自邓飞科学网博客。
链接地址：https://wap.sciencenet.cn/blog-2577109-988728.html

上一篇：ASReml-R多性状分析，怎么设置初始值？
下一篇：表型相关与遗传相关及其显著性检验（数据及代码分享）