R语言中dim函数_数据科学04 | R语言程序设计循环函数

R中主要的循环函数(loop functions)有 lapply( )、sapply( )、apply( )、tapply( ) 和 mapply( )。 

lapply( )

lapply( )对列表中每个元素，包括各种类型的对象(向量、矩阵、数据框等)，运用函数，返回一个新的列表。

lapplyfunction (X, FUN, ...) {    FUN     if (!is.vector(X) || is.object(X))         X as.    .Internal(lapply(X, FUN))}0x7fde85867b90>namespace:

1. 参数X是一个列表，X不是列表时会被as.list( )强制转化为列表，如果不能转化将报错

2. 参数FUN，对列表里每个元素做运算的函数

3. 其余的参数可用参数...传递给函数FUN

x 1:lapply(x, mean)$a[1] 2.5$b[1] 0.3474802$c[1] 0.937003$d[1] 4.957727#返回列表和原列表有相同的元素名a和b x<-1:4lapply(x, runif, min = 0, max = 10)[[1]][1] 1.621091[[2]][1] 4.75397920 0.01932835[[3]][1] 4.414591 2.609297 9.384137[[4]][1] 7.158333 1.630855 4.761880 6.902567#runif(x)函数生成x个服从均匀分布的随机变量组成的向量#对x调用lapply()，给runif()函数传递参数，指定生成介于0到10之间的随机数

lapply( ) 和相关循环函数可以传入匿名函数给参数FUN，不需要定义函数名称。

例：提取矩阵的第一列  

x 1:x$a     [,1] [,2][1,]    1    3[2,]    2    4$b     [,1] [,2][1,]    1    4[2,]    2    5[3,]    3    6lapply(x, function(elt) elt[,1])$a[1] 1 2$b[1] 1 2 3

sapply( )

sapply( )可以简化lapply( )的结果。  

• 如果结果列表中每个元素长度都为1，sapply( ) 返回一个包含所有元素的向量  

• 如果结果列表中每个元素都是等长的向量， sapply( ) 返回矩阵

• 如果无法简化对象，sapply( ) 直接返回列表  

x 1:lapply(x, mean)$a[1] 2.5$b[1] 0.2616772$c[1] 1.054757$d[1] 5.055208sapply(x, mean)        a         b         c         d 2.5000000 0.2616772 1.0547574 5.0552082 mean(x)[1] NAWarning message:In mean.default(x) : 参数不是数值也不是逻辑值：回覆NA#mean函数不适用于列表，对列表本身使用mean()函数将报错

apply( )

apply( )对数组的各个维度(如行或列)进行运算。

str(apply)function (X, MARGIN, FUN, ...)  

1. 参数x是一个数组；2. 参数MARGIN是整数向量，指明对数组的运用函数的维度    如MARGIN=1表示对二维数组的行运算，2表示对二维数组的列进行运算

x <- matrix(rnorm(200), 20, 10) #创建了一个20行10列的矩阵apply(x, 2, mean) #对矩阵中每列求平均值[1]  0.07982867  0.05471546  0.04272418 -0.07888251 -0.43758027  0.12137198  0.05869929[8] -0.24674699  0.21602219 -0.33674517#得到一个长度为10的向量，这个向量是矩阵中每个列的平均值apply(x, 1, sum) #对每行求和 [1]  1.3538445 -7.9108873  0.4657281 -2.2937298 -4.8767536 -5.6521484  2.1168591 -3.8917693 [9] -2.3622401  5.3025761 -4.2599949  2.3621288 -0.8809210 -2.6845400  4.9910454 -0.2658782[17]  5.4142552 -1.7345767 -1.2493809  5.5245197

可以直接使用经过优化的专用函数求和、求平均值：

• rowSums = apply(x, 1, sum)

• rowMeans = apply(x, 1, mean)

• colSums = apply(x, 2, sum)

• colMeans = apply(x, 2, mean)  

例：对数组求平均值  

a[,,1]          [,1]       [,2][1,] -1.138137  0.4264642[2,]  1.253815 -0.2950715apply(a, c(1, 2), mean) #保留数组的第1、2维求平均值           [,1]      [,2][1,] -0.1066356 0.1550131[2,] -0.2499600 0.1434852rowMeans(a, dims = 2)           [,1]      [,2][1,] -0.1066356 0.1550131[2,] -0.2499600 0.1434852

mapply( )

mapply( ) 以一种并行的方式对多个列表的元素进行运算，是lapply( )的多变量版本。

str(mapply)function (FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)

1. ... 参数接收传递多个列表数据作为参数传递给FUN

2. MoreArgs:：参数列表  

3. SIMPLIFY：设置结果是否要被简化

4. USE.NAMES：如果X为字符串，TRUE设置字符串为数据名

list(rep(1, 4), rep(2, 3), rep(3, 2), rep(4, 1))[[1]][1] 1 1 1 1[[2]][1] 2 2 2[[3]][1] 3 3[[4]][1] 4#用rep()将1重复4次，将2重复3次，将3重复2次，将4重复1次输入#list()将所有结果以列表形式返回mapply(rep, 1:4, 4:1) 

mapply( )函数依次将从1到4作为第一个参数，从4到1作为第二个参数传递给rep( )函数，返回相同的结果。

例：应用mapply( )生成一个均值为1的随机变量，两个均值为2的随机变量，三个均值为3的随机变量等等

#定义noise()函数生成一些正态随机噪音，有三个参数：观测数、均值以及标准差noise   rnorm(n, mean, sd)} noise(5, 1, 2)[1]  0.6441040  0.1480373  2.9933176  2.4553214 -2.4532612#生成5个均值为1，标准差为2的正态随机变量noise(1:5, 1:5, 2)[1]  1.7067970  3.4536273  4.3365220 -0.8486346  4.5292851  #向noise()传递一个由参数组成的向量，会得到一个长度为5的向量，无法得到预期结果mapply(noise, 1:5, 1:5, 2)[[1]][1] 4.959267[[2]][1]  3.593589 -1.418552[[3]][1] -0.3273374  3.9822191  2.6518890 [[4]][1] 5.922581 4.587653 4.161999 4.367324[[5]][1] 5.332510 2.460802 9.698987 2.175989 4.966077

mapply( )函数依次将三个参数 1:5、1:5、2传递给noise( )函数运算得到预期结果。

tapply( )

tapply( )，table apply( ) 的缩写，将函数应用于向量的子集。

str(tapply)function (X, INDEX, FUN = NULL, ..., default = NA, simplify = TRUE)

1. X是一个数值或者其它类型的向量  

2. INDEX是另一个长度与第一个向量相同的向量，用来表明第一个向量中的各元素分别属于哪一组

3. simplify设置结果是否要被简化

x 10), runif(#生成10个均值为0的正态随机变量、10个均匀随机变量以及10个均值为1的正态随机变量f3,f[1] 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3Levels: 1 2 3#gl()函数创建因子变量，因子变量有三个水平，每个水平会重复十次，表明观测值分别属于哪个组tapply(x, f, mean) #将x按分组子集求均值        1         2         3 0.3586938 0.6950377 0.7174120tapply(x, f, mean, simplify = FALSE)$`1`[1] 0.3586938$`2`[1] 0.6950377$`3`[1] 0.717412#不简化结果得到的是一个列表#可以计算一些更加复杂的统计量，计算观测值的范围tapply(x, f, range)$`1`[1] -1.042507  2.236323$`2`[1] 0.01919943 0.99887748$`3`[1] -1.371023  1.933389

split( )

split( )将对象分组，和lapply( )或sapply( )结合应用。

str(split)function (x, f, drop = FALSE, ...)    

1. x为一个向量或列表、数据框

2. f为因子变量

3. drop指示空因子水平是否去掉  

#加载airquality数据集library(datasets) head(airquality)  Ozone Solar.R Wind Temp Month Day1    41     190  7.4   67     5   12    36     118  8.0   72     5   23    12     149 12.6   74     5   34    18     313 11.5   62     5   45    NA      NA 14.3   56     5   56    28      NA 14.9   66     5   6#将数据框按因子变量Month分组s #联合lapply()按月计算平均值lapply(s, function(x) colMeans(x[, c("Ozone", "Solar.R", "Wind")]))$`5`   Ozone  Solar.R     Wind       NA       NA 11.62258 $`6`   Ozone   Solar.R      Wind       NA 190.16667  10.26667 $`7`   Ozone    Solar.R       Wind       NA 216.483871   8.941935 $`8`   Ozone  Solar.R     Wind       NA       NA 8.793548 $`9`   Ozone  Solar.R     Wind       NA 167.4333  10.1800 #Ozone和Solar.R变量有缺失值，导致无法计算平均值#调用sapply()简化返回的结果sapply(s, function(x) colMeans(x[, c("Ozone", "Solar.R", "Wind")]))               5         6          7        8        9Ozone         NA        NA         NA       NA       NASolar.R       NA 190.16667 216.483871       NA 167.4333Wind    11.62258  10.26667   8.941935 8.793548  10.1800#给colMeans()传递na.rm参数，在计算平均值之前移除每列的缺失值sapply(s, function(x) colMeans(x[, c("Ozone", "Solar.R", "Wind")], na.rm = TRUE))                5         6          7          8         9Ozone    23.61538  29.44444  59.115385  59.961538  31.44828Solar.R 181.29630 190.16667 216.483871 171.857143 167.43333Wind     11.62258  10.26667   8.941935   8.793548  10.18000

观察不同因子组合产生的不同水平：

x 10) f12,f25,f1 [1] 1 1 1 1 1 2 2 2 2 2Levels: 1 2f2 [1] 1 1 2 2 3 3 4 4 5 5Levels: 1 2 3 4 5interaction(f1, f2) [1] 1.1 1.1 1.2 1.2 1.3 2.3 2.4 2.4 2.5 2.5Levels: 1.1 2.1 1.2 2.2 1.3 2.3 1.4 2.4 1.5 2.5#interaction()函数可以组合所有的因子水平，有10种不同水平的组合 #向split()函数直接传递一个包含两个因子变量的列表，会自动调用interaction()str(split(x, list(f1, f2)))List of 10 $ 1.1: num [1:2] 0.922 2.05 $ 2.1: num(0)  $ 1.2: num [1:2] -0.491 -2.309 $ 2.2: num(0)  $ 1.3: num 1.01 $ 2.3: num -0.709 $ 1.4: num(0)  $ 2.4: num [1:2] -0.688 1.026 $ 1.5: num(0)  $ 2.5: num [1:2] -0.285 -1.221#尽管有10种不同水平的组合，但不一定会在每个水平上都进行观测，某些水平会没有观测值#drop=TRUE去掉所有在分组过程中观测值为空的因子水平str(split(x, list(f1, f2), drop = TRUE))List of 6 $ 1.1: num [1:2] 0.922 2.05 $ 1.2: num [1:2] -0.491 -2.309 $ 1.3: num 1.01 $ 2.3: num -0.709 $ 2.4: num [1:2] -0.688 1.026 $ 2.5: num [1:2] -0.285 -1.221

编辑：李雪纯 冯文清 校审：张健 罗鹏