R语言学习笔记之apply、lapply、sapply、mapply、tapply函数详解

转载于：http://blog.csdn.net/wa2003/article/details/45887055

R语言提供了批量处理函数，可以循环遍历某个集合内的所有或部分元素，以简化操作。

这些函数底层是通过C来实现的，所以效率也比手工遍历来的高效。
批量处理函数有很重要的apply族函数：lapply sapply apply tapply mapply。apply族函数是高效能计算的运算向量化(Vectorization)实现方法之一，比起传统的for,while常常能获得更好的性能。
    apply : 用于遍历数组中的行或列，并且使用指定函数来对其元素进行处理。

    lapply : 遍历列表向量内的每个元素，并且使用指定函数来对其元素进行处理。返回列表向量。

    sapply : 与lapply基本相同，只是对返回结果进行了简化，返回的是普通的向量。

    mapply: 支持传入两个以上的列表。  

   tapply: 接入参数INDEX，对数据分组进行运算，就和SQL中的by group一样。

（1）行或列遍历操作函数apply

 apply(X, MARGIN, FUN, ...)

     

参数:

       X: an array, including a matrix.

  MARGIN: 1：行操作； 2：列操作

 FUN:函数名

用apply可以很方便地按行列求和/平均，其结果与colMeans,colSums,rowMeans,rowSums是一样的。

举例如下：

> a<-matrix(1:12,c(3,4))

> a

     [,1] [,2] [,3] [,4]

[1,]    1    4    7   10

[2,]    2    5    8   11

[3,]    3    6    9   12

> apply(a,1,sum)

[1] 22 26 30

> apply(a,2,sum)

[1]  6 15 24 33

> apply(a,1,function(x) sum(x)+2)

[1] 24 28 32

> apply(a,1,function(x) x^2)

     [,1] [,2] [,3]

[1,]    1    4    9

[2,]   16   25   36

[3,]   49   64   81

[4,]  100  121  144

（2）列表(list)遍历函数lapply

lapply(list, function, ...)

特点：对每列进行操作，非常适合数据框；输入的数据必须是list型。

> a<-matrix(1:12,c(3,4))

> a

     [,1] [,2] [,3] [,4]

[1,]    1    4    7   10

[2,]    2    5    8   11

[3,]    3    6    9   12

> a.df<-data.frame(a)

> a

     [,1] [,2] [,3] [,4]

[1,]    1    4    7   10

[2,]    2    5    8   11

[3,]    3    6    9   12

> is.list(a.df)

[1] TRUE

> str(a.df)

'data.frame':    3 obs. of  4 variables:

 $ X1: int  1 2 3

 $ X2: int  4 5 6

 $ X3: int  7 8 9

 $ X4: int  10 11 12

> lapply(a.df, function(x) x+3)

$X1

[1] 4 5 6

$X2

[1] 7 8 9

$X3

[1] 10 11 12

$X4

[1] 13 14 15

> lapply(a.df, function(x) sum(x)+3)

$X1

[1] 9

$X2

[1] 18

$X3

[1] 27

$X4

[1] 36

> y<-lapply(a.df, function(x) sum(x)+3)

> is.list(y)

[1] TRUE

> names(y)

[1] "X1" "X2" "X3" "X4"

> y

$X1

[1] 9

$X2

[1] 18

$X3

[1] 27

$X4

[1] 36

> y[1]

$X1

[1] 9

> y[[1]]

[1] 9

> y$X1

[1] 9

(3)sapply

sapply(list, function, ..., simplify)

simplify=F：返回值的类型是list，此时与lapply完全相同

simplify=T（默认值）：返回值的类型由计算结果定，如果函数返回值长度为1，则sapply将list简化为vector；

如果返回的列表中每个元素的长度都大于1且长度相同，那么sapply将其简化位一个矩阵

> yy<-sapply(a.df, function(x) x^2)

> yy

     X1 X2 X3  X4

[1,]  1 16 49 100

[2,]  4 25 64 121

[3,]  9 36 81 144

> str(yy)

 num [1:3, 1:4] 1 4 9 16 25 36 49 64 81 100 ...

 - attr(*, "dimnames")=List of 2

  ..$ : NULL

  ..$ : chr [1:4] "X1" "X2" "X3" "X4"

> str(y)

List of 4

 $ X1: num 9

 $ X2: num 18

 $ X3: num 27

 $ X4: num 36

> yy<-sapply(a.df, function(x,y) x^2+y, y=3)

> yy

     X1 X2 X3  X4

[1,]  4 19 52 103

[2,]  7 28 67 124

[3,] 12 39 84 147> y1<-sapply(a.df, sum)

> y1

X1 X2 X3 X4 

 6 15 24 33 

> str(y1)

 Named int [1:4] 6 15 24 33

 - attr(*, "names")= chr [1:4] "X1" "X2" "X3" "X4"

> y1<-sapply(a.df, sum,simplify=F)

> y1

$X1

[1] 6

$X2

[1] 15

$X3

[1] 24

$X4

[1] 33

> str(y1)

List of 4

 $ X1: int 6

 $ X2: int 15

 $ X3: int 24

 $ X4: int 33

(4)mapply:mapply是sapply的多变量版本（multivariate sapply），Apply a Function to Multiple List or Vector  Arguments

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

> mapply(function(x,y) x^y, c(1:5), c(1:5))

[1]    1    4   27  256 3125

> a<-matrix(1:12,c(3,4))

> a

     [,1] [,2] [,3] [,4]

[1,]    1    4    7   10

[2,]    2    5    8   11

[3,]    3    6    9   12

> mapply(sum, a[,1],a[,3],a[,4])

[1] 18 21 24

> mapply(function(x,y,z) x^2+y+z, a[,1],a[,3],a[,4])

[1] 18 23 30

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

x是需要处理的向量，INDEX是因子(因子列表)，FUN是需要执行的函数，simplify指是否简化输入结果(考虑sapply对于lapply的简化)

补充个因子函数gl，它可以很方便的产生因子，在方差分析中经常会用到 

> gl(3,5)                 3是因子水平数，5是重复次数

 [1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3

Levels: 1 2 3

> gl(3,1,15)                 15是结果的总长度

 [1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3

Levels: 1 2 3

>  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('type','loc')],sum)

    loc

type beijing shanghai

   A      15       21

   B      18       24