R語言的循環(huán)效率并不高，所以并不推薦循環(huán)以及循環(huán)嵌套。為了實(shí)現(xiàn)循環(huán)功能的情況下，兼顧效率，R語言提供了apply系列函數(shù)，用于對(duì)規(guī)則的數(shù)據(jù)進(jìn)行函數(shù)式的迭代處理。

apply

apply函數(shù)作用于兩個(gè)維度以上的數(shù)組或矩陣，其必要的輸入?yún)?shù)有三，分別是待處理數(shù)據(jù)、用于循環(huán)的維度、處理函數(shù)，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

上述代碼的含義是，對(duì)data的第一個(gè)維度，執(zhí)行平均值mean操作，換言之，對(duì)每一行取平均值。data是5行4列的矩陣，每行取平均值，可得到擁有4個(gè)元素的向量。

apply也支持對(duì)多個(gè)坐標(biāo)軸的數(shù)據(jù)進(jìn)行操作，仍以data為例，若想對(duì)所有元素取根號(hào)，則可以寫為下面這樣，其結(jié)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不能作用于一維數(shù)組，lapply和sapply補(bǔ)充了這一功能

> arr <- apply(data, 1, mean)
> apply(arr, 1, sqrt)
Error in apply(arr, 1, sqrt) : dim(X)的值必需是正數(shù)
> 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

從上面代碼可知，二者主要區(qū)別是返回值，sapply會(huì)根據(jù)實(shí)際情況調(diào)整返回值，其返回邏輯為

• 1個(gè)列表->向量
• 多個(gè)長(zhǎng)度相同的列表->矩陣，
• 多個(gè)長(zhǎng)度不同的列表->列表

相比之下，vapply可以更加靈活地選擇輸出數(shù)據(jù)類型

> vapply(arr, sqrt, numeric(1))
[1] 2.915476 3.082207 3.240370 3.391165 3.535534

rapply

rapply可以處理嵌套列表，其與lappy的區(qū)別試一下就知道

> 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

換言之，rapply在執(zhí)行的過程中，會(huì)不斷地檢查是否存在列表，如果存在列表，就把這個(gè)列表打開，其可用參數(shù)除了x, fun之外，還可指定處理的類別classes，以及處理方法how，how可選三個(gè)參數(shù)

• "replace" 直接替換list中原來的元素
• "list" 新建一個(gè)列表，元素類型復(fù)合classes則調(diào)用FUN
• "unlist" 相當(dāng)于對(duì)"list"模式下的結(jié)果調(diào)用unlist(recursive=TRUE)

tapply

tapply可對(duì)輸入數(shù)據(jù)進(jìn)行分組操作，下面以鳶尾花數(shù)據(jù)作為示例，來體驗(yàn)一下tapply的用法

> tapply(iris$Sepal.Length, iris$Species, mean)
    setosa versicolor  virginica 
     5.006      5.936      6.588 

iris提供了三種鳶尾花的長(zhǎng)度、寬度等數(shù)據(jù)，其中iris$Species為其種類信息。上面代碼的含義是，對(duì)iris的長(zhǎng)度，按照相同的Species取平均值。

mapply

mapply的使用邏輯是，對(duì)兩組相同維度的數(shù)據(jù)進(jìn)行某種函數(shù)操作，類似于執(zhí)行下面的操作

for(i in 1:N){
    func(L1[i], L2[i])
}

下面以兩種不同類別的鳶尾花做個(gè)示例

L1<-iris[iris$Species=="setosa",]
L2<-iris[iris$Species=="virginica",]
max(L1$Sepal.Length, L2$Sepal.Length)
# 返回值為7.9，計(jì)算了所有數(shù)據(jù)中的最大值

下面通過mapply，可以發(fā)現(xiàn)對(duì)每種類別的50組數(shù)據(jù)進(jìn)行了以一比對(duì)，并選擇出了最大值

> 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

到此這篇關(guān)于詳解R語言apply系列函數(shù)的使用的文章就介紹到這了,更多相關(guān)R語言 apply系列函數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論