apply函数系列是R面向数组设计的体现，也是避免for循环的神器。apply函数簇是一系列功能类似对数组或者列表进行按照元素或者子集迭代的函数。
概述
apply系列函数的基本作用是对数组（array，可以是多维）或者列表（list）按照元素或元素构成的子集合进行迭代，并将当前元素或子集合作为参数调用某个指定函数。vector是一维的array，dataframe可以看作特殊的list。
这些函数间的关系
| 作用目标 | 在每个元素上应用 | 在子集合上应用 |
|---|---|---|
| array | apply | tapply |
| list | lapply(...) | by |
其中lapply(...)包括一族函数：
lapply
|
|-> 简化版: sapply
| | -> 可设置返回值模板: vapply
| |-> 多变量版: mapply
|
|-> 递归版: rapply
另外vector比较奇怪，vector是一维的array，但是却不全是和array使用相同的函数。在按元素迭代的情况下，使用和list一样的lapply函数；而在按子集合迭代的情况下，tapply和by都能用，只是返回值形式不同。R中不同数据结构再开一篇简单介绍一下。
功能与语法描述
- apply
apply(array, margin, FUN, ...)
在array上，沿margin方向，依次调用FUN。返回值为vector。margin表示数组引用的第几维下标（即array[index1, index2, ...]中的第几个index），1对应为1表示行，2表示列，c(1,2)表示行列。margin=1时，apply(a, 1, sum)等效于下面的操作
a <- array(c(1:24), dim=c(2,3,4))
result=c()
for (i in c(1:dim(a)[1])) {
result <- c(result, sum(a[i,,]))
}
经实测，只能用在二维及以上的array上，不能用在vector上（如果要应用于vector，请使用lapply或sapply）。以matrix为例，如下
> m <- matrix(c(1:10), nrow=2)
> m
[,1] [,2] [,3] [,4] [,5]
[1,] 1 3 5 7 9
[2,] 2 4 6 8 10
> apply(m, 1, sum)
[1] 25 30
> apply(m, 2, sum)
[1] 3 7 11 15 19
- tapply
tapply(array, indices, margin, FUN=NULL, ...)
按indices中的值分组，把相同值对应下标的array中的元素形成一个集合，应用到FUN。类似于group by indices的操作。如果FUN返回的是一个值，tapply返回vector；若FUN返回多个值，tapply返回list。vector或list的长度和indices中不同值的个数相等。
当FUN为NULL的时候，返回一个长度和array中元素个数相等的vector，指示分组的结果，vector中相等的元素所对应的下标属于同一组。例如，返回c(1, 2, 1, 3, 2), 表示根据传入的indices，第1、3个元素作为一组，第2、5个元素作为一组，第4个元素作为一组。
一维array的例子（即vector)
> v <- c(1:5)
> ind <- c('a','a','a','b','b')
> tapply(v, ind)#指示分组的结果，按照ind进行了分组。
[1] 1 1 1 2 2
> tapply(v, ind, sum)#传递了sum函数，按照分组进行了计算。
a b
6 9
> tapply(v, ind, fivenum)#五分位数计算
$a
[1] 1.0 1.5 2.0 2.5 3.0
$b
[1] 4.0 4.0 4.5 5.0 5.0
二维array的例子（即matrix）
> m <- matrix(c(1:10), nrow=2)
> m
[,1] [,2] [,3] [,4] [,5]
[1,] 1 3 5 7 9
[2,] 2 4 6 8 10
> ind <- matrix(c(rep(1,5), rep(2,5)), nrow=2)
> ind
[,1] [,2] [,3] [,4] [,5]
[1,] 1 1 1 2 2
[2,] 1 1 2 2 2
> tapply(m, ind)#按照ind对矩阵m进行了indices。
[1] 1 1 1 1 1 2 2 2 2 2
> tapply(m, ind, mean)
1 2
3 8
> tapply(m, ind, fivenum)
$`1`
[1] 1 2 3 4 5
$`2`
[1] 6 7 8 9 10
- by
by(dataframe, INDICES, FUN, ..., simplify=TRUE)
by可以当成dataframe上的tapply。indices应当和dataframe每列的长度相同。返回值是by类型的object。若simplify=FALSE，本质上是个list。
> df <- data.frame(a=c(1:5), b=c(6:10))
> ind <- c(1,1,1,2,2)
> res <- by(df, ind, colMeans)
> res
ind: 1
a b
2 7
------------------------------------------------------------
ind: 2
a b
4.5 9.5
> class(res)
[1] "by"
> names(res)
[1] "1" "2"
- lapply
lapply(list, FUN, ...)
在list上逐个元素调用FUN。可以用于dataframe上，因为dataframe是一种特殊形式的list。例
> lst <- list(a=c(1:5), b=c(6:10))
> lapply(lst, mean)
$a
[1] 3
$b
[1] 8
> lapply(lst, fivenum)
$a
[1] 1 2 3 4 5
$b
[1] 6 7 8 9 10
- sapply
sapply(list, FUN, ..., simplify, USE.NAME=TRUE)
比lapply多了一个simplify参数。如果simplify=FALSE，则等价于lapply。否则，在上一种情况的基础上，将lapply输出的list简化为vector或matrix。例
> lst <- list(a=c(1:5), b=c(6:10))
> sapply(lst, mean)
a b
3 8
> sapply(lst, fivenum)
a b
[1,] 1 6
[2,] 2 7
[3,] 3 8
[4,] 4 9
[5,] 5 10
- vapply
vapply(list, FUN, FUN.VALUE, ..., USE.NAME=TRUE)
vapply类似于sapply，但是提供了第三个参数FUN.VALUE用以指明返回值的形式，可以看作返回值的模板。例
> lst <- list(a=c(1:5), b=c(6:10))
> res <- vapply(lst, function(x) c(min(x), max(x)), c(min.=0, max.=0))
> res
a b
min. 1 6
max. 5 10
- mapply
mapply(FUN, ..., MoreArgs=NULL, SIMPLIFY=TRUE, USE.NAMES=TRUE)
mapply是多变量版的sapply，参数(...)部分可以接收多个数据，mapply将FUN应用于这些数据的第一个元素组成的数组，然后是第二个元素组成的数组，以此类推。要求多个数据的长度相同，或者是整数倍关系。返回值是vector或matrix，取决于FUN返回值是一个还是多个。
> mapply(sum, list(a=1,b=2,c=3), list(a=10,b=20,d=30))
a b c
11 22 33
> mapply(function(x,y) x^y, c(1:5), c(1:5))
[1] 1 4 27 256 3125
> mapply(function(x,y) c(x+y, x^y), c(1:5), c(1:5))
[,1] [,2] [,3] [,4] [,5]
[1,] 2 4 6 8 10
[2,] 1 4 27 256 3125
- rapply
rapply(list, FUN, classes="ANY", deflt=NULL, how=c("unlist", "replace", "list"), ...)
rapply是递归版的lappy。基本原理是对list作遍历，如果其中有的元素仍然是list，则继续遍历；对于每个非list类型的元素，如果其类型是classes参数指定的类型之一，则调用FUN。classes="ANY"表示匹配所有类型。
how参数用来指定操作方式，有三种：
"replace" 直接用调用FUN后的结果替换原list中原来的元素
"list" 新建一个list，元素类型在classes中的，调用FUN；不在classes中的类型，使用deflt。会保留原始list的结构。
"unlist" 相当于对"list"模式下的结果调用unlist(recursive=TRUE)
> lst <- list(a=list(aa=c(1:5), ab=c(6:10)), b=list(ba=c(1:10)))
> lst
$a
$a$aa
[1] 1 2 3 4 5
$a$ab
[1] 6 7 8 9 10
$b
$b$ba
[1] 1 2 3 4 5 6 7 8 9 10
> rapply(lst, sum, how='list')
$a
$a$aa
[1] 15
$a$ab
[1] 40
$b
$b$ba
[1] 55
> rapply(lst, sum, how='unlist')
a.aa a.ab b.ba
15 40 55
第二个是关于classes和deflt参数使用的例子
> lst2
$a
$a$aa
[1] 1 2 3 4 5
$a$ab
[1] 6 7 8 9 10
$b
$b$ba
[1] "I am a string"
> rapply(lst2, sum, how='unlist')
Error in .Primitive("sum")("I am a string", ...) :
invalid 'type' (character) of argument
> rapply(lst2, sum, classes=c('integer'), deflt=-1, how='unlist')a.aa a.ab b.ba
15 40 -1
> rapply(lst2, nchar, classes=c('character'), deflt=as.integer(NA), how='unlist')
a.aa a.ab b.ba
NA NA 13
- eapply
environment上的的apply。从没用过environment，暂时不研究了。
应用
tapply实现crosstable功能
以一个例子演示。原始数据为按年份year、地区loc和商品类别type进行统计的销售量。我们要制作两个销售总量的crosstable，一个以年份为行、地区为列，一个以年份为行，类别为列。
> df <- data.frame(year=kronecker(2001:2003, rep(1,4)), loc=c('beijing','beijing','shanghai','shanghai'), type=rep(c('A','B'),6), sale=rep(1:12))
> df
year loc type sale
1 2001 beijing A 1
2 2001 beijing B 2
3 2001 shanghai A 3
4 2001 shanghai B 4
5 2002 beijing A 5
6 2002 beijing B 6
7 2002 shanghai A 7
8 2002 shanghai B 8
9 2003 beijing A 9
10 2003 beijing B 10
11 2003 shanghai A 11
12 2003 shanghai B 12
> tapply(df$sale, df[,c('year','loc')], sum)
loc
year beijing shanghai
2001 3 7
2002 11 15
2003 19 23
> tapply(df$sale, df[,c('year','type')], sum)
type
year A B
2001 4 6
2002 12 14
2003 20 22
以上信息来自博客园。
我的问题
Alco <- data.frame(AlcoholDrunk = c( "YES", "YES", "NO", "YES", "YES", "YES", NA, "YES", "YES", "YES", "YES", "YES", "YES", "NO", "NO", "NO", "NO", "YES"), AmountDrunk = c(3.0, 1.0, NA ,3.0, NA, 0.0, NA, 0.0, NA, 1.7, NA, NA, 0.0, NA, NA, NA, NA, 2.0))
alcohol <- function(texVal, numVal){
if(is.na(texVal)) {return("NA")}
else if(texVal == "NO"){return("NO")}
else if(is.na(numVal)){return("amount Unknown")}
else {return(numVal)}
}
apply(Alco, 1, alcohol)
这里AlcoholDrunk变量有三种类型的值，“YES”，表示有饮酒史；“NO”, 表示无饮酒史；NA, 表示数据不可获取。alcohol函数实现的功能是：如果AlcoholDrunk是NA，直接返回NA，如果是NO，返回NO；否则返回AmountDrunk的数值。
现在将Alco数据框中的每一行的两个值传递给alcohol函数，然后得到饮酒史的情况。 这个功能无法用apply函数实现的，所以一定会报错。应该要用mapply函数，它可以迭代传递多个参数。
代码如下：
> mapply(alcohol, Alco$AlcoholDrunk, Alco$AmountDrunk)
>data.frame(mapply(alcohol, Alco$AlcoholDrunk, Alco$AmountDrunk))
这样我们就得到了一个数据框格式的结果，储存饮酒史的情况。