R中apply等函数用法[转载]

转自：https://www.cnblogs.com/nanhao/p/6674063.html

1.apply函数——对矩阵

功能是：Retruns a vector or array or list of values obtained by applying a function to margins of an array or matrix.

就是说apply把一个function作用到array或者matrix的margins（可以理解为数组的每一行或者每一列）中，返回值时vector、array、list。

apply函数经常用来计算矩阵中行或列的均值、和值的函数。

rname = c("one","two","three")
cname = c("first","second")
b <- matrix(:,nrow=, dimnames = list(rname, cname))

b为:
         first second
one
two
three           

使用以上为数据举例。

apply(b,,sum)

结果:
 one   two three
               

这里有几个元素它的输出结果就会有几列。

比如对这个sum，对于行进行求和，那么有3行就有3个结果元素。

上面的指令代表对矩阵b进行行计算，分别对每一行进行求和。函数涉及了三个参数：

第一个参数是指要参与计算的矩阵；

第二个参数是指按行计算还是按列计算，1——表示按行计算，2——按列计算；

第三个参数是指具体的运算函数。

第四个参数是fargs是f的可选参数集。

> z <- matrix(:, nrow = )
> f <- function(x) {
+         x/c(, )
+ }
> apply(z,,f)  #f得到3个元素，每个元素（组件）里有两个值，所以是3列，竖着来看
      [,]  [,] [,]
[,]  0.5 1.000 1.50
[,]  0.5 0.625 0.75

//这个例子还挺好的，最终的结果返回的是一个矩阵。那么apply输出是向量或者矩阵。

2.lapply函数——list

lapply（）（代表list apply）与矩阵的apply（）函数的用法类似， 对列表的每个组件执行给定的函数，并返回另一个列表。

> x <- list(a = :, beta = exp(-:), logic = c(TRUE,FALSE,FALSE,TRUE))
> lapply(x, mean)
$a
[] 5.5

$beta
[] 4.535125

$logic
[] 0.5

//这里的exp是e的多少次方。

3.sapply()——simplified lapply

sapply（）（代表simplified [l]apply）可以将结果整理以向量，矩阵，列表 的形式输出。

> sapply(x, mean)
       a     beta    logic
5.500000 4.535125 0.500000
> sapply(x, quantile)   #每一个对应组件输出5个元素，所以为5行，像矩阵一样，竖着来的。
         a        beta logic
%    1.00  0.04978707   0.0
%   3.25  0.25160736   0.0
%   5.50  1.00000000   0.5
%   7.75  5.05366896   1.0
% 10.00 20.08553692   1.0
> sapply(:, seq)
[[]]
[]  

[[]]
[]   

[[]]
[]     

//quantile是分位数的意思。默认是计算这5个分位数。

4.tapply

tapply（x，f，g）需要向量 x (x不可以是数据框)，因子或因子列表 f 以及函数 g 。
tapply（）执行的操作是：暂时将x分组，每组对应一个因子水平(f)，得到x的子向量，然后这些子向量应用函数 g.

> a <- c(,,,)
> b <- c('q', 'w', 'q','w')
> tapply(a, b, mean)
 q  w
  

先按照b分组，然后应用了mean函数。

5.mapply

> l1 <- list(a = c(:), b = c(:))
> l2 <- list(c = c(:), d = c(:))
> mapply(sum, l1$a, l1$b, l2$c, l2$d)
 []
> l1 <- list(a = c(:), b = c(:))
> l2 <- list(c = c(:), d = c(:))
> mapply(sum, l1$a)
 []
> l1 <- list(a = c(:), b = c(:))
> l2 <- list(c = c(:), d = c(:))
> mapply(sum, l1$a,l1$b)
 []          

//根据这个就能比较好的看出来它的作用，先对第一个参数应用sum，再对第二个参数sum，

比如对于sum求和：第一个参数就是本参数，另一个参数就是上一次计算的结果。

多参数版本的sapply()。第一次计算传入各组向量的第一个元素到FUN，进行结算得到结果；

第二次传入各组向量的第二个元素，得到结果；第三次传入各组向量的第三个元素…以此类推。