详解R语言apply系列函数的如何使用

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。

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好代码网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好代码网!

您可能有感兴趣的文章
R语言基本画图函数与多图多线的用法

R语言学习代码格式一键美化

R语言中循环的相关知识详解

R语言是什么 R语言简介

R语言控制结构知识点总结