R语言数据分组统计函数族—apply族用法与心得

apply族功能强大，实用，可以代替很多循环语句，R语言中不要轻易使用循环语句。

apply
   
Apply Functions Over Array Margins

对阵列行或者列使用函数
   
apply(X, MARGIN, FUN, ...)

lapply
   
Apply a Function over a List or Vector

对列表或者向量使用函数
   
lapply(X, FUN, ...)

sapply
  
Apply a Function over a List or Vector

对列表或者向量使用函数

sapply(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE)

vapply
   
Apply a Function over a List or Vector

对列表或者向量使用函数
   
vapply(X, FUN, FUN.VALUE, ..., USE.NAMES = TRUE)

tapply

Apply a Function Over a Ragged Array

对不规则阵列使用函数

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

eapply

Apply a Function Over Values in an Environment

对环境中的值使用函数
   
eapply(env, FUN, ..., all.names = FALSE, USE.NAMES = TRUE)

mapply
   
Apply a Function to Multiple List or Vector Arguments

对多个列表或者向量参数使用函数
   
mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)

rapply

Recursively Apply a Function to a List

运用函数递归产生列表
   
rapply(object, f, classes = "ANY", deflt = NULL,how = c("unlist", "replace", "list"), ...)

1、apply函数

对一个数组按行或者按列进行计算，矩阵纵、横运算（sum,average等）

其中apply中，1等于行，2等于列

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    > 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  7 15  

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    > 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 
2、tapply

（进行分组统计）

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)  
    #把x在index分类下进行fun  
    #例：把x在因子分类下，进行汇总操作  
    fac <- factor(rep(1:3, length = 4), levels = 1:5)  
    fac  
    [1] 1 2 3 1  
    Levels: 1 2 3 4 5  
    tapply(1:4, fac, sum)  
    1  2  3  4  5   
    5  2  3   NA NA  

#当index不是因子时，可以用as.factor()把参数强制转换成因子

额外案例，实现excel中数据透视表的功能
[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    #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  
    10 2009        D   10  
    > attach(da)  
    > tapply(sale,list(year,province))   #以sale为基，按照year,province的顺序，排列  
     [1]  1  4  7 10  2  8 11  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  

3、函数table（求因子出现的频数）

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    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 B C A B C A B C  
    Levels: A B C D E  
    > table(d, exclude="B")  
    d  
     A  C  D  E  
    10 10  0  0 

4、函数lapply与函数sapply

每一列数据采用同一种函数形式，比如求X变量得分位数，比如求X变量的循环函数。

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。
[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

     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  

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    #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 

5、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。

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    > 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 

6、vapply {base}——按变量进行函数操作

vapply类似于sapply函数，但是它的返回值有预定义类型，所以它使用起来会更加安全，有的时候会更快。

在vapply函数中总是会进行简化，vapply会检测FUN的所有值是否与FUN.VALUE兼容，

以使他们具有相同的长度和类型。类型顺序：逻辑、整型、实数、复数

vapply(X, FUN, FUN.VALUE, ..., USE.NAMES = TRUE)

X表示一个向量或者表达式对象，其余对象将被通过as.list强制转换为list

simplify 逻辑值或者字符串，如果可以，结果应该被简化为向量、矩阵或者高维数组。

必须是命名的，不能是简写。默认值是TRUE，若合适将会返回一个向量或者矩阵。如果simplify=”array”，结果将返回一个阵列。

USE.NAMES  逻辑值，如果为TRUE，且x没有被命名，则对x进行命名。

FUN.VALUE   一个通用型向量，FUN函数返回值得模板。

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    > x<-data.frame(a=rnorm(4,4,4),b=rnorm(4,5,3),c=rnorm(4,5,3))  
    > vapply(x,mean,c(c=0))  
     a       b       c  
     1.8329043  6.0442858 -0.1437202  

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    > k<-function(x)  
    + {  
    + list(mean(x),sd(x))  
    + }  
    > vapply(x,k,c(c=0))  
    错误于vapply(x, k, c(c = 0)) : 值的长度必需为1，  
     但FUN(X[[1]])结果的长度却是2  

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    > vapply(x,k,c(c=0,b=0))  
    错误于vapply(x, k, c(c = 0, b = 0)) : 值的种类必需是'double'，  
     但FUN(X[[1]])结果的种类却是'list'  

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    > vapply(x,k,c(list(c=0,b=0)))  
     a     b     c          
    c 1.832904 6.044286 -0.1437202  
    b 1.257834 1.940433 3.649194  

sapply与vapply函数之间的区别:

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    > i39 <- sapply(3:9, seq)  
    > i39  
    [[1]]  
    [1] 1 2 3  
      
    [[2]]  
    [1] 1 2 3 4  
      
    [[3]]  
    [1] 1 2 3 4 5  
      
    [[4]]  
    [1] 1 2 3 4 5 6  
      
    [[5]]  
    [1] 1 2 3 4 5 6 7  
      
    [[6]]  
    [1] 1 2 3 4 5 6 7 8  
      
    [[7]]  
    [1] 1 2 3 4 5 6 7 8 9  
      
    > sapply(i39, fivenum)  
         [,1] [,2] [,3] [,4] [,5] [,6] [,7]  
    [1,]  1.0  1.0    1  1.0  1.0  1.0    1  
    [2,]  1.5  1.5    2  2.0  2.5  2.5    3  
    [3,]  2.0  2.5    3  3.5  4.0  4.5    5  
    [4,]  2.5  3.5    4  5.0  5.5  6.5    7  
    [5,]  3.0  4.0    5  6.0  7.0  8.0    9  
    > vapply(i39, fivenum,  
    +        c(Min. = 0, "1st Qu." = 0, Median = 0, "3rd Qu." = 0, Max. = 0))  
            [,1] [,2] [,3] [,4] [,5] [,6] [,7]  
    Min.     1.0  1.0    1  1.0  1.0  1.0    1  
    1st Qu.  1.5  1.5    2  2.0  2.5  2.5    3  
    Median   2.0  2.5    3  3.5  4.0  4.5    5  
    3rd Qu.  2.5  3.5    4  5.0  5.5  6.5    7  
    Max.     3.0  4.0    5  6.0  7.0  8.0    9 

7、eapply {base}

eapply函数通过对environment中命名值进行FUN计算后返回一个列表值，用户可以请求所有使用过的命名对象。

eapply(env, FUN, ..., all.names = FALSE, USE.NAMES = TRUE)

env  将被使用的环境

all.names  逻辑值，指示是否对所有值使用该函数

USE.NAMES  逻辑值，指示返回的列表结果是否包含命名

[plain] view plain copy
print?在CODE上查看代码片派生到我的代码片

    > require(stats)  
    >  
    > env <- new.env(hash = FALSE) # so the order is fixed  
    > env$a <- 1:10  
    > env$beta <- exp(-3:3)  
    > env$logic <- c(TRUE, FALSE, FALSE, TRUE)  
    > # what have we there?  
    > utils::ls.str(env)  
    a :  int [1:10] 1 2 3 4 5 6 7 8 9 10  
    beta :  num [1:7] 0.0498 0.1353 0.3679 1 2.7183 ...  
    logic :  logi [1:4] TRUE FALSE FALSE TRUE  
    >  
    > # compute the mean for each list element  
    >        eapply(env, mean)  
    $logic  
    [1] 0.5  
       
    $beta  
    [1] 4.535125  
       
    $a  
    [1] 5.5  
       
    > unlist(eapply(env, mean, USE.NAMES = FALSE))  
    [1] 0.500000 4.535125 5.500000  
    >  
    > # median and quartiles for each element (making use of "..." passing):  
    > eapply(env, quantile, probs = 1:3/4)  
    $logic  
    25% 50% 75%  
    0.0 0.5 1.0  
       
    $beta  
          25%       50%       75%  
    0.2516074 1.0000000 5.0536690  
       
    $a  
     25%  50%  75%  
    3.25 5.50 7.75  
       
    > eapply(env, quantile)  
    $logic  数据分析师培训
      0%  25%  50%  75% 100%  
     0.0  0.0  0.5  1.0  1.0  
       
    $beta  
             0%         25%         50%         75%        100%  
     0.04978707  0.25160736  1.00000000  5.05366896 20.08553692  
       
    $a  
       0%   25%   50%   75%  100%  
     1.00  3.25  5.50  7.75 10.00 
8、rapply {base}

rapply是lapply的递归版本

rapply(X, FUN, classes = "ANY", deflt = NULL, how = c("unlist", "replace", "list"), ...)

X  一个列表

classes  关于类名的字符向量，或者为any时则匹配任何类

deflt  默认结果，如果使用了how=”replace”，则不能使用

how  字符串匹配三种可能结果