R中向量化运算apply族函数apply、tapply、lapply、sapply、mapply、table等函数
R语言提供了批量处理函数，可以循环遍历某个集合内的所有或部分元素，以简化操作。
这些函数底层是通过C来实现的，所以效率也比手工遍历来的高效。
批量处理函数有很重要的apply族函数：lapply sapply apply tapply mapply。apply族函数是高效能计算的运算向量化(Vectorization)实现方法之一，比起传统的for,while常常能获得更好的性能。
- apply : 用于遍历数组中的行或列，并且使用指定函数来对其元素进行处理。
- lapply : 遍历列表向量内的每个元素，并且使用指定函数来对其元素进行处理。返回列表向量。
- sapply : 与lapply基本相同，只是对返回结果进行了简化，返回的是普通的向量。
- mapply: 支持传入两个以上的列表。
- tapply: 接入参数INDEX，对数据分组进行运算，就和SQL中的group by 一样。
apply函数
（1）行或列遍历操作函数apply,实现对一个数组按行或者按列进行计算
apply(X, MARGIN, FUN, ...)
参数:其中X为一个数组；MARGIN为一个向量（表示要将函数FUN应用到X的行还是列），若为1表示取行，为2表示取列，为c(1,2)表示行、列都计算。
示例代码：
X: an array, including a matrix.
MARGIN: 1：行操作； 2：列操作
FUN:函数名
用apply可以很方便地按行列求和/平均，其结果与colMeans,colSums,rowMeans,rowSums是一样的。
ma <- matrix(c(1:4, 1, 6:8), nrow = 2)
ma
[,1] [,2] [,3] [,4]
[1,] 1 3 1 7
[2,] 2 4 6 8
apply(ma, c(1,2), sum)
[,1] [,2] [,3] [,4]
[1,] 1 3 1 7
[2,] 2 4 6 8
apply(ma, 1, sum)
[1] 12 20
apply(ma, 2, sum)
[1] 3 7 7 15
或者
> a<-matrix(1:12,c(3,4))
> a
[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12
> apply(a,1,sum)
[1] 22 26 30
> apply(a,2,sum)
[1] 6 15 24 33
> apply(a,1,function(x) sum(x)+2)
[1] 24 28 32
> apply(a,1,function(x) x^2)
[,1] [,2] [,3]
[1,] 1 4 9
[2,] 16 25 36
[3,] 49 64 81
[4,] 100 121 144
tapply函数
用于进行分组统计
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)
- x是需要处理的向量
- INDEX是因子(因子list对象),且该list中的每一个元素都是与X有同样长度的因子;
FUN是需要执行的函数 - simplify是逻辑变量,指是否简化输入结果(考虑sapply对于lapply的简化)
- 若取值为TRUE（默认值），且函数FUN的计算结果总是为一个标量值，那么函数tapply返回一个数组；
- 若取值为FALSE，则函数tapply的返回值为一个list对象。需要注意的是，当第二个参数INDEX不是因子时，函数 tapply() 同样有效，因为必要时 R 会用 as.factor()把参数强制转换成因子。
示例代码：
fac <- factor(rep(1:3, length = 17), levels = 1:5)
fac
[1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2
Levels: 1 2 3 4 5
tapply(1:17, fac, sum)
1 2 3 4 5
51 57 45 NA NA
tapply(1:17, fac, sum, simplify = FALSE)
$`1`
[1] 51
$`2`
[1] 57
$`3`
[1] 45
$`4`
NULL
$`5`
NULL
tapply(1:17, fac, range)
$`1`
[1] 1 16
$`2`
[1] 2 17
$`3`
[1] 3 15
$`4`
NULL
$`5`
NULL
实现类似于excel里的数据透视表的功能：
da
year province sale
1 2007 A 1
2 2007 B 2
3 2007 C 3
4 2007 D 4
5 2008 A 5
6 2008 C 6
7 2008 D 7
8 2009 B 8
9 2009 C 9
10 2009 D 10
attach(da)
tapply(sale,list(year,province))
[1] 1 4 7 10 2 8 11 6 9 12
tapply(sale,list(year,province),mean)
A B C D
2007 1 2 3 4
2008 5 NA 6 7
2009 NA 8 9 10
##table函数
求因子出现的频数
使用格式为：
table(…, exclude = if (useNA == “no”) c(NA, NaN), useNA = c(“no”,
“ifany”, “always”), dnn = list.names(…), deparse.level = 1)
其中参数exclude表示哪些因子不计算。
示例代码：
d <- factor(rep(c("A","B","C"), 10), levels=c("A","B","C","D","E"))
d
[1] A B C A B C A B C A B C A B C A B C A B C A B C A B C A B C
Levels: A B C D E
table(d)
d
A B C D E
10 10 10 0 0
table(d, exclude="B")
d
A C D E
10 10 0 0
##列表(list)遍历函数lapply与sapply函数
lapply的使用格式为：
lapply(X, FUN, …)
特点：对每列进行操作，非常适合数据框；输入的数据必须是list型。
lapply的返回值是和一个和X有相同的长度的list对象，这个list对象中的每个元素是将函数FUN应用到X的每一个元素。其中X为List对象（该list的每个元素都是一个向量），其他类型的对象会被R通过函数as.list()自动转换为list类型。
sapply()
函数sapply是函数lapply的一个特殊情形，对一些参数的值进行了一些限定，其使用格式为：
sapply(X, FUN,…, simplify = TRUE, USE.NAMES = TRUE)
simplify=FALSE：则函数sapply的返回值仍然是一个list. ，此时与lapply完全相同
simplify=TRUE（默认值）：返回值的类型由计算结果定,通常如果返回的列表中每个元素的长度都大于1且长度相同，那么sapply的返回值就不是一个list,而是将其简化为一个矩阵返回；如果函数返回值长度为1，则sapply将list简化为vector；
示例代码：
x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE))
lapply(x, quantile)
$a
0% 25% 50% 75% 100%
1.00 3.25 5.50 7.75 10.00
$beta
0% 25% 50% 75% 100%
0.04978707 0.25160736 1.00000000 5.05366896 20.08553692
$logic
0% 25% 50% 75% 100%
0.0 0.0 0.5 1.0 1.0
sapply(x, quantile,simplify=FALSE,use.names=FALSE)
$a
0% 25% 50% 75% 100%
1.00 3.25 5.50 7.75 10.00
$beta
0% 25% 50% 75% 100%
0.04978707 0.25160736 1.00000000 5.05366896 20.08553692
$logic
0% 25% 50% 75% 100%
0.0 0.0 0.5 1.0 1.0
参数simplify=TRUE的情况
sapply(x, quantile)
a beta logic
0% 1.00 0.04978707 0.0
25% 3.25 0.25160736 0.0
50% 5.50 1.00000000 0.5
75% 7.75 5.05366896 1.0
100% 10.00 20.08553692 1.0
##mapply函数
函数mapply是函数sapply的变形版,(多变量版本)（multivariate sapply），Apply a Function to Multiple List or Vector Arguments，mapply 将函数 FUN 依次应用每一个参数的第一个元素、第二个元素、第三个元素上。函数mapply的使用格式如下：
mapply(FUN, …, MoreArgs = NULL, SIMPLIFY = TRUE,USE.NAMES = TRUE)
其中参数MoreArgs表示函数FUN的参数列表。
示例代码：
mapply(rep, times=1:4, x=4:1)
[[1]]
[1] 4
[[2]]
[1] 3 3
[[3]]
[1] 2 2 2
[[4]]
[1] 1 1 1 1
直接使用函数rep的结果：
rep(1:4,1:4)
[1] 1 2 2 3 3 3 4 4 4 4
补充:
###因子函数gl()
因子函数gl，它可以很方便的产生因子，在方差分析中经常会用到
gl(3,5) 3是因子水平数，5是重复次数
[1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3
Levels: 1 2 3
gl(3,1,15) 15是结果的总长度
[1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
Levels: 1 2 3