利用aggregate对数据进行分组处理，包括分组求和，分组取均值，最大值，中位数等等
aggregate这个函数的功能比较强大，它首先将数据进行分组（按行），然后对每一组数据进行函数统计，根据数据对象不同它有三种用法，分别应用于数据框（data.frame）、公式（formula）和时间序列（ts）：
aggregate(x, by, FUN, ..., simplify = TRUE)
aggregate(formula, data, FUN, ..., subset, na.action = na.omit)
aggregate(x, nfrequency = 1, FUN = sum, ndeltat = 1, ts.eps = getOption("ts.eps"), ...)
其中针对数据的分组处理，例如有数据如下：
> dat
ID sample1 sample2 sample3 type
1 A 1 2 2 1
2 A 2 4 9 2
3 A 4 3 1 3
4 C 5 5 8 1
5 C 6 9 7 2
6 C 3 1 3 3
7 D 9 10 9 1
8 D 11 18 1 2
按照type对数据进行分组求和，均值或者median等等，以sum为例：
> temp=aggregate(dat[,2:4],by=list(dat$type),FUN=sum)
> temp
Group.1 sample1 sample2 sample3
1 1 15 17 19
2 2 19 31 17
3 3 7 4 4
>
参数的第一个必须为数值型，所以去掉了第一列，对type不做操作，也去除，得到的数据Group.1即type类型
如果同时针对两种分组ID 和type进行，可以获得如下结果：
> temp=aggregate(dat[,2:4],by=list(dat$ID,dat$type),FUN=sum)
> temp
Group.1 Group.2 sample1 sample2 sample3
1 A 1 1 2 2
2 C 1 5 5 8
3 D 1 9 10 9
4 A 2 2 4 9
5 C 2 6 9 7
6 D 2 11 18 1
7 A 3 4 3 1
8 C 3 3 1 3
mean、median、max等操作相同
