做报表时，你可能要“按门店计算每月销售额”：先按门店分组，再逐组求和。麻烦在于，R每执行一次函数，都要处理名称查找、参数匹配等工作；组数一多，这些零碎开销就会累积。poorman这次分享的重点，是不用额外重型依赖，只靠base R把分组运算周边的工作压到更少。
传统的split-apply-combine——先拆组、逐组计算、再合并——会为每组创建一个data.frame，最后还要重新拼接。poorman的新写法只拆出计算所需的一列，循环内只做“减去本组均值”，再用一次unlist()合并，并恢复原始行序。换句话说，它没有消灭逐组循环，而是避免搬运整张表和制造大量小对象。
作者用10万行数据、10到1万个分组做基准测试，但供稿片段未给出两种分组实现的最终耗时。作为原理参照，文中另一个简单测试显示：整列乘二的向量化写法中位耗时59.02微秒，R层逐项循环为2.22毫秒，接近40倍；这说明减少解释器反复介入，确实可能带来明显收益。