R语言基础6--apply函数家族及其应用

R语言基础系列：

R语言基础1--R数据格式：.rds和.rda的区别
R语言基础2--数据排序与长宽型数据的转换
R语言基础3--tidyverse包总结
R语言基础4--dplyr包的函数及用法
R语言基础5--tidyr包的函数及用法

apply函数家族是R语言中数据处理的一组核心函数，通过使用apply函数，我们可以实现对数据的循环、分组、过滤、类型控制等操作。
apply函数本身是用来解决数据循环处理的问题，为了面向不同的数据类型，不同的返回值，apply函数组成了一个函数加族，包括了8个功能类似的函数。

下面将分别介绍这几个函数的定义和使用方法。

1. apply函数

apply函数是最常用的代替for循环的函数。apply函数可以对矩阵、数据框、数组(二维、多维)，，对子元素进行迭代，并把子元素以参数传递的形式给自定义的FUN函数中，并以返回计算结果。

1.1 函数定义：

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

1.2 参数列表：

X：数组、矩阵、数据框
MARGIN：按行计算或按按列计算，1表示按行，2表示按列
FUN：自定义的调用函数
…：更多参数，可选

1.3 应用：

# 对一个矩阵的每一列求和
# 生成data.frame
> x <- cbind(x1 = 3, x2 = c(4:1, 2:5)); x
     x1 x2
[1,]  3  4
[2,]  3  3
[3,]  3  2
[4,]  3  1
[5,]  3  2
[6,]  3  3
[7,]  3  4
[8,]  3  5
 
apply(x,2,sum)
# x1 x2 
# 24 24 
apply(x,1,mean)
# [1] 3.5 3.0 2.5 2.0 2.5 3.0 3.5 4.0

2. lapply函数

lapply函数是一个最基础循环操作函数之一，用来对list、data.frame数据集进行循环，并 $\color{#ea4335}{返}\color{#ea4335}{回}\color{#ea4335}{和}\color{#ea4335}{X}\color{#ea4335}{长}\color{#ea4335}{度}\color{#ea4335}{相}\color{#ea4335}{同}\color{#ea4335}{的}\color{#ea4335}{list}\color{#ea4335}{结}\color{#ea4335}{构}$ 作为结果集，通过lapply的开头的第一个字母’l’就可以判断返回结果集的类型。

2.1 函数定义

lapply(X, FUN, ...)

2.2 参数列表

X：list、data.frame数据
FUN：自定义的调用函数
…：更多参数，可选

2.3 应用

输入list，返回对每个list进行操作后的list。

# 构建一个list数据集x，分别包括a,b,c 三个KEY值。
x <- list(a = 1:10, b = rnorm(6,10,5), c = c(TRUE,FALSE,FALSE,TRUE));x
# $a
#  [1]  1  2  3  4  5  6  7  8  9 10

# $b
# [1]  9.186837  7.372569  9.942975 16.946282  2.550059
# [6]  6.991188

# $c
# [1]  TRUE FALSE FALSE  TRUE

# 分别计算每个KEY对应该的数据的分位数。
lapply(x,fivenum)
# $a
# [1]  1.0  3.0  5.5  8.0 10.0

# $b
# [1]  2.550059  6.991188  8.279703  9.942975 16.946282

# $c
# [1] 0.0 0.0 0.5 1.0 1.0

如果输入的是数据框，lapply会自动把数据框按列进行分组，再进行计算。

lapply(data.frame(x), sum)
$x1
[1] 12

$x2
[1] 12

lapply可以很方便地对list数据集中个每个list进行循环操作，还可以用data.frame数据集按列进行循环，但如果传入的数据集是一个向量或矩阵对象，那么直接使用lapply就不能达到想要的效果了。lapply会分别循环矩阵中的每个值，而不是按行或按列进行分组计算。

x <- cbind(x1=3, x2=c(2:1,4:5))
x; class(x)
#      x1 x2
# [1,]  3  2
# [2,]  3  1
# [3,]  3  4
# [4,]  3  5
# [1] "matrix" "array" 

lapply(x, sum)
# [[1]]
# [1] 3

# [[2]]
# [1] 3

# [[3]]
# [1] 3

# [[4]]
# [1] 3

# [[5]]
# [1] 2

# [[6]]
# [1] 1

# [[7]]
# [1] 4

# [[8]]
# [1] 5

3. sapply函数

sapply函数是一个简化版的lapply，sapply增加了2个参数simplify和USE.NAMES，主要就是让输出看起来更友好，与lapply不同的是，，而不是list对象。

3.1 函数定义

sapply(X, FUN, ..., simplify=TRUE, USE.NAMES = TRUE)

3.2 参数列表

X：数组、矩阵、数据框
FUN：自定义的调用函数
…：更多参数，可选
simplify：是否数组化，当设置simplify='array'时，输出结果按数组进行分组
USE.NAMES：如果X为字符串，TRUE设置字符串为数据名，FALSE不设置

3.3 应用

x <- cbind(x1=3, x2=c(2:1,4:5))
# 对矩阵计算，计算过程同lapply函数
sapply(x, sum)
# [1] 3 3 3 3 2 1 4 5

# 对数据框计算
sapply(data.frame(x), sum)
# x1 x2 
# 12 12 

# 检查结果类型，sapply返回类型为向量，而lapply的返回类型为list
class(lapply(x, sum))
# [1] "list"
class(sapply(x, sum))
# [1] "numeric"

如果simplify=FALSE和USE.NAMES=FALSE，那么完全sapply函数就等于lapply函数了。

sapply(data.frame(x), sum, simplify=FALSE, USE.NAMES=FALSE)
# $x1
# [1] 12
 
# $x2
# [1] 12

对于simplify为array时，我们可以参考下面的例子，构建一个三维数组，其中二个维度为方阵。

a<-1:2
 
# 按数组分组
sapply(a,function(x) matrix(x,2,2), simplify='array')
# , , 1
 
#      [,1] [,2]
# [1,]    1    1
# [2,]    1    1
 
# , , 2
 
#      [,1] [,2]
# [1,]    2    2
# [2,]    2    2
 
# 默认情况，则自动合并分组
sapply(a,function(x) matrix(x,2,2))
#      [,1] [,2]
# [1,]    1    2
# [2,]    1    2
# [3,]    1    2
# [4,]    1    2

对于字符串的向量，还可以自动生成数据名。

val<-head(letters)
 
# 默认设置数据名
sapply(val,paste,USE.NAMES=TRUE)
#   a   b   c   d   e   f 
# "a" "b" "c" "d" "e" "f" 
 
# USE.NAMES=FALSE，则不设置数据名
sapply(val,paste,USE.NAMES=FALSE)
# [1] "a" "b" "c" "d" "e" "f"

4. tapply函数

tapply用于分组的循环计算，通过INDEX参数（分类变量）对数据集X进行分组并计算分组计算，相当于group by的操作。

4.1 函数定义

tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)

4.2 参数列表

X：向量
INDEX：用于分组的索引
FUN：自定义的调用函数
…：接收多个数据
simplify：是否数组化，当值array时，输出结果按数组进行分组

4.3 应用

#计算不同品种(Species)的鸢尾花(iris)的花瓣长度(Petal.Length)的均值。
tapply(X = iris$Petal.Length,INDEX = iris$Species,FUN = mean)
#    setosa versicolor  virginica 
#     1.462      4.260      5.552

5. mapply函数

mapply也是sapply的变形函数，类似多变量的sapply，但是参数定义有些变化。第一参数为自定义的FUN函数，第二个参数’…’可以接收多个数据，作为FUN函数的参数调用。

5.1 函数定义

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

5.2 参数列表

FUN：自定义的调用函数
…：接收多个数据
MoreArgs：参数列表
SIMPLIFY：是否数组化，当值array时，输出结果按数组进行分组
USE.NAMES：如果X为字符串，TRUE设置字符串为数据名，FALSE不设置

5.3 应用

比如，比较3个向量大小，按索引顺序取较大的值。

set.seed(1)
 
# 定义3个向量
x<-1:10
y<-5:-4
z<-round(runif(10,-5,5))
 
# 按索引顺序取较大的值。
mapply(max,x,y,z)
# [1]  5  4  3  4  5  6  7  8  9 10

再看一个例子，生成4个符合正态分布的数据集，分别对应的均值和方差为c(1,10,100,1000)。

set.seed(1)
 
# 长度为4
n<-rep(4,4)
 
# m为均值，v为方差
m<-v<-c(1,10,100,1000)
 
# 生成4组数据，按列分组
mapply(rnorm,n,m,v)
#           [,1]      [,2]      [,3]       [,4]
# [1,] 0.3735462 13.295078 157.57814   378.7594
# [2,] 1.1836433  1.795316  69.46116 -1214.6999
# [3,] 0.1643714 14.874291 251.17812  2124.9309
# [4,] 2.5952808 17.383247 138.98432   955.0664

由于mapply是可以接收多个参数的，所以我们在做数据操作的时候，就不需要把数据先合并为data.frame了，直接一次操作就能计算出结果了。

参考：https://blog.csdn.net/u012108367/article/details/80774977