如何在R中按分组对矩阵的行和列数值进行求和汇总

首先先明确核心逻辑：你需要先拆分出原始矩阵的行分组标签、列分组标签和纯数值区域，再按分组交叉求和即可，以下是两种可直接运行的实现：

步骤1：构造原始示例矩阵 #

a <- matrix(c(NA, NA, "a", "a", "a", "b", "b", NA, NA, 1, 2, 3, 4, 5, "a", 1, 0, 1, 2, 3, 1,  "a", 2, 1, 2, 1, 1, 1,  "a", 3, 3, 1, 2, 0, 1, "b", 4, 0, 0, 0, 0, 3,  "b", 5, 1, 1, 2, 1, 0), ncol = 7, nrow = 7)

实现1：基础R实现（无需安装额外包） #

# 1. 提取列分组标签（第一行的有效数据列）
col_group <- as.character(a[1, 3:7])
# 2. 提取行分组标签（第一列的有效数据行）
row_group <- as.character(a[3:7, 1])
# 3. 提取纯数值矩阵并转换为数值类型
value_mat <- apply(a[3:7, 3:7], 2, as.numeric)
# 4. 获取唯一分组名，初始化结果矩阵
groups <- unique(c(row_group, col_group))
res_mat <- matrix(0, nrow = length(groups), ncol = length(groups), dimnames = list(groups, groups))
# 5. 遍历分组交叉求和
for (r in groups) {
  for (c in groups) {
    res_mat[r, c] <- sum(value_mat[row_group == r, col_group == c])
  }
}

运行后得到的res_mat就是你需要的汇总矩阵，验证可知a行a列的求和结果为13，和你给出的示例一致。

实现2：tidyverse实现（适合需要后续链式处理的场景） #

如果习惯用tidyverse生态，可以先把矩阵转成长表再聚合，逻辑和aggregate一致：

library(tidyverse)

as.data.frame(value_mat) %>%
  # 绑定行分组标签
  mutate(row_group = row_group) %>%
  # 宽表转长表
  pivot_longer(-row_group, names_to = "col_id", values_to = "value") %>%
  # 绑定列分组标签
  mutate(col_group = rep(col_group, each = nrow(value_mat))) %>%
  # 按行列分组求和
  group_by(row_group, col_group) %>%
  summarise(total = sum(value), .groups = "drop") %>%
  # 转回宽矩阵格式
  pivot_wider(names_from = col_group, values_from = total)

补充说明 #

你之前用aggregate不成功的核心原因是aggregate默认处理长表结构，你需要先把矩阵中每个数值对应的行、列分组标签匹配上，再传入aggregate即可，上述tidyverse的逻辑也可以直接替换成aggregate实现。

内容的提问来源于stack exchange，提问作者Mir