R中利用apply、tapply、lapply、sapply、mapply、table等函数进行分组统计

• apply函数（对一个数组按行或者按列进行计算）：

使用格式为：

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

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：
> 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  715

• 函数tapply（进行分组统计）：

使用格式为：

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

其中X通常是一向量；INDEX是一个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是需要计算的函数；simplify是逻辑变量，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
#利用tapply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
102009              D    10
> attach(da)
> tapply(sale,list(year,province))
  [1]  1  4  7 10  2  811  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

• 函数table（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 BC 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

• 函数lapply与函数sapply：

lapply的使用格式为：

lapply(X, FUN, ...)

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。

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)

sapply(*, simplify = FALSE,USE.NAMES = FALSE)和lapply(*)的返回值是相同的。如果参数simplify=TRUE，则函数sapply的返回值不是一个list，而是一个矩阵；若simplify=FALSE，则函数sapply的返回值仍然是一个list。
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

• 函数mapply：

函数mapply是函数sapply的变形版，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