85.关于tapply函数

【上一篇：84.关于apply族的lapply/sapply/vapply】
【下一篇：86.关于split函数】

tapply函数

    Apply a Function Over a Ragged Array
    在ragged array上应用函数。将一个函数应用到一个ragged array的每个单元，每个单元是一个或多个与ragged array等长的因子决定的，比如给定一个因子，因子有多少个level，则ragged array就会被分成几个group，函数将应用到每个group上。简言之，tapply函数相当于group_by分组计算。[ragged array是什么？vector？]

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

输入参数详解

    X：一个可以应用split方法的R对象。这个R对象通常是vector-like，可以用"["方法取子集。
    INDEX：一个list，包含一个或多个与X等长的factor。若list的元素不是factor，则会被强制用as.factor()。若INDEX仅包含一个因子时，tapply返回一个一维数组；若INDEX包含两个因子，tapply返回一个二维数组，第一个因子中levels的个数等于第一维度的长度，第二个因子中levels的个数等于第二维度的长度；依次类推。
    FUN：应用到X的每个group上的函数，可以为NULL。若为NULL，则tapply()将返回一个向量，该向量包含tapply正常产生的数组的下标。
    ...：传递给FUN的参数。
    default:默认值是NA，即用来初始化数组的值是NA（仅当simplify为array的时候有效）。你可以设置为任何的值，但你设置的值的类型会最终影响数组的中元素的类型。
    simplify：默认为TURE，返回简化后的数组。若为FALSE，返回值也是数组，数组元素的类型是List。

输出说明

    1）simplify=FALSE时，返回值是数组，数组元素的type始终是List，缺失值用NULL表示。
    2）simplify=TRUE时，返回值是简化后的数组。所谓简化，仅当FUN函数的返回值为长度为1的向量时与simplify=TRUE是有明显差别，其他时候，simplify=TRUE对结果基本无作用。当FUN的返回值为长度为1的向量时，简化后数组元素的type将与FUN返回值的type一致。
    3）tapply函数的返回值始终是array，array的维度等于length(INDEX)。若INDEX仅包含一个因子，tapply将返回一个一维数组，一维数组的长度等于因子中levels的数量；若INDEX包含两个因子，tapply将返回一个二维数组，二维数组的第一维度的长度等于INDEX第一个因子的levels的数目，第二个维度的长度等于INDEX第二个因子的levels的数目；INDEX因子个数大于2是，依次类推。

举例说明

    1）INDEX为一个因子，返回一维数组，一维数组长度等于该因子的levels的个数；simplify=FALSE时，数组元素的type始终是list；FUN函数的返回值为长度为1的向量（类似函数有sum、mean、var等）且simplify=TRUE时，数组元素的type与FUN函数的返回值的type一致。

# INDEX为一个因子，函数返回一个一维数组，不简化时，数组元素类型是list
> (test0<- tapply(1:10,rep(c("a","b"),5),sum,simplify = F))
$a
[1] 25
$b
[1] 30
# 一维数组：INDEX=list(as.factor(rep(c("a","b"),5)))，length(INDEX)=1
# 一维数组长度：nlevels(as.factor(rep(c("a","b"),5)))
> dim(test0)
[1] 2
> class(test0)
[1] "array"
> class(test0[1])
[1] "list"
# 简化时，返回结果仍然是一维数组，但数组元素的类型与sum函数的返回值的类型一致
> (test1<- tapply(1:10,rep(c("a","b"),5),sum,simplify = T))
 a  b 
25 30 
> dim(test1)
[1] 2
> class(test1)
[1] "array"
> class(test1[0])
[1] "integer"

    2）INDEX包含两个因子，返回二维数组，二维数组的第一个维度的长度等于INDEX第一个因子的levels的数量，第二个维度等于INDEX第二个因子的levels的数量。

> ind <- list(c(1, 2, 2), c("A", "A", "B"))
# 不简化时，缺失值用NULL表示
> (test2<-tapply(1:3, ind, sum,simplify = F))
  A B   
1 1 NULL
2 2 3   
> dim(test2)
[1] 2 2
> class(test2)
[1] "matrix" "array" 
# 不简化时，数组元素为List
> class(test2[0])
[1] "list"
# 简化时，缺失值默认为NA，可以通过设置default改变
> (test3<-tapply(1:3, ind, sum,simplify = T))
  A  B
1 1 NA
2 2  3
> dim(test3)
[1] 2 2
> class(test3)
[1] "matrix" "array" 
# sum函数的返回值长度为1，简化后，数组元素类型不再是list
> class(test3[0])
[1] "integer"

    3）当FUN函数的返回值长度>1，simplif对返回的结果基本无作用。FUN返回值长度为1，缺失值默认用NA表示（当然，可以通过设置default参数改变，例子见上文），长度>1，缺失值仍然是NULL。

# FUN函数的返回值长度>1
> (test4<-tapply(1:3, ind, quantile,simplify = F))
  A         B        
1 numeric,5 NULL     
2 numeric,5 numeric,5
> class(test4[1])
[1] "list"
> test4[1]
[[1]]
  0%  25%  50%  75% 100% 
   1    1    1    1    1
# FUN返回结果长度>1，即使简化，结果也无变化
> (test5<-tapply(1:3, ind, quantile,simplify = T))
  A         B        
1 numeric,5 NULL     
2 numeric,5 numeric,5
> class(test5)
[1] "matrix" "array" 
> class(test5[1])
[1] "list"
> test5[1]
[[1]]
  0%  25%  50%  75% 100% 
   1    1    1    1    1 

    4）tapply函数在数据框中的重要应用：分组求和生成列联表形式的求和结果。

> 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
> tapply(warpbreaks$breaks, warpbreaks[,-1], sum)
    tension
wool   L   M   H
   A 401 216 221
   B 254 259 169
> tapply(warpbreaks$breaks, warpbreaks[, 3, drop = FALSE], sum)
tension
  L   M   H 
655 475 390 

【上一篇：84.关于apply族的lapply/sapply/vapply】
【下一篇：86.关于split函数】