R語言中apply家族中的系列循環(huán)函數(shù)總結(jié)

R語言中的以apply()函數(shù)為首的apply()家族，提供了強(qiáng)大而方便的循環(huán)功能，這些函數(shù)說起來簡(jiǎn)單，用起來可能就有點(diǎn)蒙圈兒了。這些函數(shù)確實(shí)簡(jiǎn)單，但是可能很多人搞不清這些函數(shù)究竟有什么用處與區(qū)別呢？R中不是已經(jīng)有for循環(huán)了嗎？其實(shí)作為一種與Matlab一樣的向量化語言，用for循環(huán)會(huì)把本來速度就慢的R語言的速度拖的更慢，這就要用到apply()家族函數(shù)了，下面就對(duì)apply()家族中的函數(shù)分別做詳細(xì)的介紹，以便于區(qū)別他們。

1、apply函數(shù)

apply()是用的最多，也是最好理解的函數(shù)了。比如

> x<-cbind(3,c(1:5,4:1))

x是一個(gè)9行2列的矩陣

> x

[,1] [,2]

[1,]    3    1

[2,]    3    2

[3,]    3    3

[4,]    3    4

[5,]    3    5

[6,]    3    4

[7,]    3    3

[8,]    3    2

[9,]    3    1

> apply(x,1,mean)

[1] 2.0 2.5 3.0 3.5 4.0 3.5 3.0 2.5 2.0

> apply(x,2,mean)

[1] 3.000000 2.777778

這里第一個(gè)參數(shù)表示應(yīng)用的數(shù)據(jù)為x，第三個(gè)參數(shù)為應(yīng)用的函數(shù)名（這里是平均值函數(shù)），第二個(gè)參數(shù)取1表示對(duì)9行數(shù)據(jù)求每行均值，取2表示對(duì)2列每列求均值。其實(shí)對(duì)于一個(gè)三維數(shù)組，第二個(gè)參數(shù)取3表示對(duì)第三維分別應(yīng)用指定的函數(shù)。比如

> x<-array(c(1:24),dim = c(2,3,4))

> x

, , 1

[,1] [,2] [,3]

[1,]    1    3    5

[2,]    2    4    6

, , 2

[,1] [,2] [,3]

[1,]    7    9   11

[2,]    8   10   12

, , 3

[,1] [,2] [,3]

[1,]   13   15   17

[2,]   14   16   18

, , 4

[,1] [,2] [,3]

[1,]   19   21   23

[2,]   20   22   24

> apply(x,3,mean)

[1]  3.5  9.5 15.5 21.5

這里，由于x的第三維有4個(gè)組，因此循環(huán)進(jìn)行了4次，得出了4個(gè)值。當(dāng)然了，這里的指定函數(shù)也可以是自定義函數(shù)。

2、lapply函數(shù)

apply()函數(shù)主要是對(duì)向量進(jìn)行循環(huán)，而lapply()函數(shù)則在對(duì)列表元素進(jìn)行循環(huán)時(shí)特別有用。

例一

> apply(x,3,mean)

[1]  3.5  9.5 15.5 21.5

> x<-list(a1 = c(1:8),a2 = c(TRUE,FALSE,FALSE,TRUE,TRUE))

> x

$a1

[1] 1 2 3 4 5 6 7 8

$a2

[1]  TRUE FALSE FALSE  TRUE  TRUE

> lapply(x,mean)

$a1

[1] 4.5

$a2

[1] 0.6

這里用lapply()函數(shù)指定用mean對(duì)列表的2個(gè)元素進(jìn)行遍歷求均值，這里列表的第二個(gè)元素為布爾型，顯然將其0~1對(duì)待，求出了均值。

例二

> lapply(x,quantile)

$a1

0%  25%  50%  75% 100% 

1.00 2.75 4.50 6.25 8.00 

$a2

0%  25%  50%  75% 100% 

0    0    1    1    1 

這里用lapply()函數(shù)指定quantile給出了x的分位數(shù)。

3、sapply函數(shù)

看下面例子

> sapply(x,quantile)

a1 a2

0%   1.00  0

25%  2.75  0

50%  4.50  1

75%  6.25  1

100% 8.00  1

顯然，我們發(fā)現(xiàn)這里用sapply()函數(shù)也指定quantile求出了x的分位數(shù)，與lapply()函數(shù)不同的是：sapply()函數(shù)默認(rèn)返回的是一個(gè)矩陣，而lapply()函數(shù)返回的時(shí)一個(gè)列表。其實(shí)，在sapply()函數(shù)中如果返回的長(zhǎng)度不一樣不能生成矩陣時(shí)，才會(huì)生成一個(gè)列表。

> x1

$a1

[1] 1 2 3 4 5 6 7 8

$a2

[1]  TRUE FALSE FALSE  TRUE  TRUE

這里自定義函數(shù)f()返回參數(shù)本身，x中兩列不一樣長(zhǎng)，返回類型就為列表。

4、tapply函數(shù)

前面介紹的apply()、lapply()、sapply()函數(shù)提供的分組循環(huán)方式都很簡(jiǎn)單，tapply()函數(shù)提供了更強(qiáng)大、更靈活的循環(huán)方式，可能也更難以理解。

例一

> a<-as.factor(c(1,1,2,3,3))

> a

[1] 1 1 2 3 3

Levels: 1 2 3

> tapply(a,a,length)

1 2 3 

2 1 2 

這里tapply()函數(shù)有三個(gè)參數(shù)，第一個(gè)參數(shù)指定因子類型a為被循環(huán)對(duì)象，第二個(gè)參數(shù)指定a為指針參數(shù)，第三個(gè)參數(shù)指定應(yīng)用的函數(shù)為求長(zhǎng)度函數(shù)length，這里由于a的因子水平為3，故tapply()函數(shù)循環(huán)了三次，分別求出三個(gè)水平的出現(xiàn)次數(shù)。

例二

這里以warpbreaks數(shù)據(jù)集為例

> head(warpbreaks)

breaks wool tension

1     26    A       L

2     30    A       L

3     54    A       L

4     25    A       L

5     70    A       L

6     52    A       L

> summary(warpbreaks[,c(2:3)])

wool   tension

A:27   L:18   

B:27   M:18   

H:18

warpbreaks的wool變量有兩個(gè)分類，tension有三個(gè)分類。

> tapply(warpbreaks$breaks,warpbreaks[-1],sum)

tension

wool   L   M   H

A 401 216 221

B 254 259 169

這里以warpbreaks的breaks變量作為應(yīng)用對(duì)象，除去第一列(warpbreaks[-1])作為指針參數(shù)，第三個(gè)參數(shù)是應(yīng)用求和函數(shù)。這里函數(shù)作用相當(dāng)于一個(gè)分類匯總的功能wool有兩個(gè)變量，tension有三個(gè)變量，一共有2x3 = 6種組合。比如wool = A，tension = L時(shí)求和所有breaks就是401。我們可以檢驗(yàn)一下如下：

> sum(warpbreaks[which((warpbreaks$wool=='A')&warpbreaks$tension == 'L'),1])

[1] 401

顯然，wool = A，tension = L時(shí)求和所有breaks就是401。

5、mapply函數(shù)

mapply()函數(shù)與tapply()函數(shù)還是比較相似的，不過與其它apply家族的函數(shù)相比，mapply()函數(shù)的另一個(gè)特點(diǎn)是它的參數(shù)順序與其它函數(shù)恰好相反。

例一

> mapply(rep,1:4,4:1)

[[1]]

[1] 1 1 1 1

[[2]]

[1] 2 2 2

[[3]]

[1] 3 3

[[4]]

[1] 4

這里mapply()函數(shù)有三個(gè)參數(shù)，第一個(gè)指定應(yīng)用的 函數(shù)為rep，就是重復(fù)函數(shù)；第二個(gè)參數(shù)指定被應(yīng)用的對(duì)象為序列4：1，第三個(gè)參數(shù)指定重復(fù)的次數(shù)分別為1：4，即4要重復(fù)一次，3要重復(fù)兩次等。數(shù)據(jù)分析師培訓(xùn)

例二

mapply(function(x,y) seq_len(x)+y,c(1,2,3),c(10,20,30))

[[1]]

[1] 11

[[2]]

[1] 21 22

[[3]]

[1] 31 32 33

這里自定義了一個(gè)函數(shù)seq_len(x)+y，其中seq_len(x)函數(shù)作用是生成一個(gè)1：X的序列，比如：

> seq_len(3)

[1] 1 2 3

那么對(duì)c(1,2,3)就會(huì)依次生成1，1：2，1：3的序列，再分別加上10，20，30，就會(huì)得到那樣的結(jié)果了。

可以看出，mapply()函數(shù)主要是對(duì)中間對(duì)象元素與第三個(gè)對(duì)象元素一一對(duì)應(yīng)，分別應(yīng)用前面的指定函數(shù)。