详解R语言apply系列函数的使用
R语言的循环效率并不高，所以并不推荐循环以及循环嵌套。为了实现循环功能的情况下，兼顾效率，R语言提供了apply系列函数，用于对规则的数据进行函数式的迭代处理。
apply
apply函数作用于两个维度以上的数组或矩阵，其必要的输入参数有三，分别是待处理数据、用于循环的维度、处理函数，示例如下
data <- matrix(c(1:20), 5, 4) apply(data, 1, mean) # [1] 8.5 9.5 10.5 11.5 12.5
上述代码的含义是，对data的第一个维度，执行平均值mean操作，换言之，对每一行取平均值。data是5行4列的矩阵，每行取平均值，可得到拥有4个元素的向量。
apply也支持对多个坐标轴的数据进行操作，仍以data为例，若想对所有元素取根号，则可以写为下面这样，其结果于sqrt(data)相同
> apply(data, 1:2, sqrt)
[,1] [,2] [,3] [,4]
[1,] 1.000000 2.449490 3.316625 4.000000
[2,] 1.414214 2.645751 3.464102 4.123106
[3,] 1.732051 2.828427 3.605551 4.242641
[4,] 2.000000 3.000000 3.741657 4.358899
[5,] 2.236068 3.162278 3.872983 4.472136
lapply, sapply, vapply
apply不能作用于一维数组，lapply和sapply补充了这一功能
> arr <- apply(data, 1, mean) > apply(arr, 1, sqrt) Error in apply(arr, 1, sqrt) : dim(X)的值必需是正数 > sapply(arr, sqrt) [1] 2.915476 3.082207 3.240370 3.391165 3.535534 > lapply(arr, sqrt) [[1]] [1] 2.915476 [[2]] [1] 3.082207 [[3]] [1] 3.24037 [[4]] [1] 3.391165 [[5]] [1] 3.535534
从上面代码可知，二者主要区别是返回值，sapply会根据实际情况调整返回值，其返回逻辑为
- 1个列表->向量
- 多个长度相同的列表->矩阵，
- 多个长度不同的列表->列表
相比之下，vapply可以更加灵活地选择输出数据类型
> vapply(arr, sqrt, numeric(1)) [1] 2.915476 3.082207 3.240370 3.391165 3.535534
rapply
rapply可以处理嵌套列表，其与lappy的区别试一下就知道
> x <- list(1,2,c(1:5)) > sapply(x, sqrt) [[1]] [1] 1 [[2]] [1] 1.414214 [[3]] [1] 1.000000 1.414214 1.732051 2.000000 2.236068 > rapply(x, sqrt) [1] 1.000000 1.414214 1.000000 1.414214 1.732051 2.000000 2.236068
换言之，rapply在执行的过程中，会不断地检查是否存在列表，如果存在列表，就把这个列表打开，其可用参数除了x, fun之外，还可指定处理的类别classes，以及处理方法how，how可选三个参数
- "replace" 直接替换list中原来的元素
- "list" 新建一个列表，元素类型复合classes则调用FUN
- "unlist" 相当于对"list"模式下的结果调用unlist(recursive=TRUE)
tapply
tapply可对输入数据进行分组操作，下面以鸢尾花数据作为示例，来体验一下tapply的用法
> tapply(iris$Sepal.Length, iris$Species, mean)
setosa versicolor virginica
5.006 5.936 6.588
iris提供了三种鸢尾花的长度、宽度等数据，其中iris$Species为其种类信息。上面代码的含义是，对iris的长度，按照相同的Species取平均值。
mapply
mapply的使用逻辑是，对两组相同维度的数据进行某种函数操作，类似于执行下面的操作
for(i in 1:N){
func(L1[i], L2[i])
}
下面以两种不同类别的鸢尾花做个示例
L1<-iris[iris$Species=="setosa",] L2<-iris[iris$Species=="virginica",] max(L1$Sepal.Length, L2$Sepal.Length) # 返回值为7.9，计算了所有数据中的最大值
下面通过mapply，可以发现对每种类别的50组数据进行了以一比对，并选择出了最大值
> mapply(max, L1$Sepal.Length, L2$Sepal.Length) [1] 6.3 5.8 7.1 6.3 6.5 7.6 4.9 7.3 6.7 7.2 6.5 6.4 6.8 5.7 5.8 [16] 6.4 6.5 7.7 7.7 6.0 6.9 5.6 7.7 6.3 6.7 7.2 6.2 6.1 6.4 7.2 [31] 7.4 7.9 6.4 6.3 6.1 7.7 6.3 6.4 6.0 6.9 6.7 6.9 5.8 6.8 6.7 [46] 6.7 6.3 6.5 6.2 5.9
到此这篇关于详解R语言apply系列函数的使用的文章就介绍到这了,更多相关R语言 apply系列函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了R语言 设置ylab每个汉字竖向排列的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
这篇文章主要介绍了使用R语言填补缺失值的方法,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-03-03
在本教程中，我们将学习如何反转ggplot2中图例键的顺序，文章通过详细的示例代码给大家介绍如何反转ggplot2中的图例键顺序，感兴趣的同学可以跟着小编一起来学习2023-05-05
这篇文章主要介绍了R语言随机数生成的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-03-03
这篇文章主要介绍了R语言 实现在循环中输出图片的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
在本篇文章里小编给各位分享的是一篇关于R语言字符串知识点总结及实例分析，有兴趣的朋友们可以学习下。2021-03-03
进行数据分析的第一步是先拿到数据,下面这篇文章主要给大家介绍了关于R语言数据结构之矩阵、数组与数据框的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-07-07
在本篇文章里小编给大家整理的是一篇关于R语言数据重塑的相关知识点内容，有兴趣的朋友们可以跟着学习下。2021-03-03
RStudio是用于R编程的开源工具，这篇文章主要介绍了大数据分析R语言RStudio使用教程和一些RStudio的重要技巧，窍门和快捷方式，可快速将您变成RStudio高级用户，感兴趣的朋友跟随小编一起看看吧2021-03-03
这篇文章主要介绍了R语言判断语句的使用详解，帮助大家更好的理解和学习使用R语言，感兴趣的朋友可以了解下2021-03-03
最新评论