vapply

尽管 sapply 非常方便和智能，但有时智能可能隐藏着风险。假如我们有一个数字列表：
x <- list(c(1, 2), c(2, 3), c(1, 3))
如果我们想得到一个向量，其中每个元素都是 x 中对应数字的平方。那么，sapply( )
就比较方便易用，因为它会自动尝试简化结果的数据结构：
sapply(x, function(x) x ^ 2)
## [,1] [,2] [,3]
## [1,] 1 4 1
## [2,] 4 9 9
然而，如果输入数据有错误或损坏，sapply( )会默默地接收输入，但可能返回一个
意想不到的结果。例如，假设 x 的第 3 个成分误加了一个额外元素：
x1 <- list(c(1, 2), c(2, 3), c(1, 3, 3))
此时，再调用 sapply( )，它会发现无法将结果简化成矩阵，所以就返回了一个列表：
sapply(x1, function(x) x ^ 2)
## [[1]]
## [1] 1 4
##
## [[2]]
## [1] 4 9
##
## [[3]]
## [1] 1 9 9
如果我们最初使用 vapply( )，错误很快就能被发现。vapply( )函数通过一个附
加参数来设定每次迭代返回值的模板。下面这段代码，指定模板为 numeric(2)，意味着
每次迭代都返回一个包含 2 个元素的数值向量。如果不能按照既定模板进行输出，函数就
会终止，并产生错误信息：
vapply(x1, function(x) x ^ 2, numeric(2))
## Error in vapply(x1, function(x) x^2, numeric(2)): 值的长度必需为 2，
## 但 FUN(X[[3]])结果的长度却是 3
对于最初正确的输入，vapply( )返回与 sapply( )完全相同的矩阵：
vapply(x, function(x) x ^ 2, numeric(2))
## [,1] [,2] [,3]
## [1,] 1 4 1
## [2,] 4 9 9
总之，vapply( )是 sapply( )的安全升级版，因为它可以执行模板核查。在实践
中，如果可以事先确定输出模板，最好使用 vapply( )而不是 sapply( )。