R编程之路_数据汇总（2）

1、apply函数：

这个函数的使用格式为：apply(X,MARGIN, FUN, ...)。它应用的数据类型是数组或矩阵，返回值类型由FUN函数结果的长度确定。

X参数为数组或矩阵；MARGIN为要应用计算函数的边/维，MARGIN=1为第一维（行），2为第二维（列），...；FUN为要应用的计算函数，后面可以加FUN的有名参数。比如，要按行或列计算数组a的标准差就可以这样：

1. > apply(a, MARGIN=1, FUN=sd)

2. [1] 1 1 1

3. > apply(a, MARGIN=2, FUN=sd)

4. [1] 0 0 0

MARGIN的长度可以不是1（多维应用），如果长度等于X的维数，应用到FUN函数的数据就只有一个值，结果没什么意义，甚至函数会获得无效值：

1. > apply(b, MARGIN=3, FUN=sum)

2. [1] 9 18 27

3. > apply(b, MARGIN=1:2, FUN=sum)

4. [,1] [,2] [,3]

5. [1,] 6 6 6

6. [2,] 6 6 6

7. [3,] 6 6 6

8. > apply(a, MARGIN=1:2, FUN=sd)

9. [,1] [,2] [,3]

10.[1,] NA NA NA

11.[2,] NA NA NA

12.[3,] NA NA NA

上面我们使用的sd、sum或mean函数的返回值的向量长度都是1（每一次单独计算），apply函数结果的维数与MARGIN的向量长度相同；如果FUN函数返回值的长度不是1而是每次都为n，apply函数的结果是维度为c(n, dim(X)[MARGIN])：

1. > a

2. [,1] [,2] [,3]

3. [1,] 1 2 3

4. [2,] 1 2 3

5. [3,] 1 2 3

6. > apply(a, MARGIN=1, FUN=quantile, probs=seq(0,1, 0.25))

7. [,1] [,2] [,3]

8. 0% 1.0 1.0 1.0

9. 25% 1.5 1.5 1.5

10.50% 2.0 2.0 2.0

11.75% 2.5 2.5 2.5

12.100% 3.0 3.0 3.0

13.> apply(a, MARGIN=2, FUN=quantile, probs=seq(0,1, 0.25))

14. [,1] [,2] [,3]

15.0% 1 2 3

16.25% 1 2 3

17.50% 1 2 3

18.75% 1 2 3

19.100% 1 2 3

如果FUN函数返回值的长度不一样，情况就复杂了，apply函数的结果会是列表。

2、lapply、sapply和vapply函数：

这几个函数是一套，前两个参数都为X和FUN，其他参数在R的函数帮助文档里有相信介绍。它们应用的数据类型都是列表，对每一个列表元素应用FUN函数，但返回值类型不大一样。lappy是最基本的原型函数，sapply和vapply都是lapply的改进版。

2.1 lapply返回的结果为列表，长度与X相同

1. > scores <- list(YuWen=c(80,88,94,70), ShuXue=c(99,87,100,68,77))

2. > lapply(scores, mean)

3. $YuWen

4. [1] 83

5.

6. $ShuXue

7. [1] 86.2

8.

9. > lapply(scores, quantile, probs=c(0.5,0.7,0.9))

10.$YuWen

11. 50% 70% 90%

12.84.0 88.6 92.2

13.

14.$ShuXue

15. 50% 70% 90%

16.87.0 96.6 99.6

2.2 sapply返回的结果比较“友好”，如果结果很整齐，就会得到向量或矩阵或数组

sapply是simplify了的lapply，所谓的simplify，是指对结果的数据结构进行了simplify，方便后续处理。

1. > sapply(scores, mean)

2. YuWen ShuXue

3. 83.0 86.2

4. > sapply(scores, quantile, probs=c(0.5,0.7,0.9))

5. YuWen ShuXue

6. 50% 84.0 87.0

7. 70% 88.6 96.6

8. 90% 92.2 99.6

2.3 vapply函数：对返回结果（value）进行类型检查的sapply

虽然sapply的返回值比lapply好多了，但可预测性还是不好，如果是大规模的数据处理，后续的类型判断工作会很麻烦而且很费时。vapply增加的FUN.VALUE参数可以直接对返回值类型进行检查，这样的好处是不仅运算速度快，而且程序运算更安全（因为结果可控）。下面代码的rt.value变量设置返回值长度和类型，如果FUN函数获得的结果和rt.value设置的不一致（长度和类型）都会出错：

1. > probs <- c(1:3/4)

2. > rt.value <- c(0,0,0) #设置返回值为3个数字

3. > vapply(scores, quantile, FUN.VALUE=rt.value, probsprobs=probs)

4. YuWen ShuXue

5. 25% 77.5 77

6. 50% 84.0 87

7. 75% 89.5 99

8. > probs <- c(1:4/4)

9. > vapply(scores, quantile, FUN.VALUE=rt.value, probsprobs=probs)

错误于vapply(scores,quantile, FUN.VALUE = rt.value, probs = probs) :

值的长度必需为3，

但FUN(X[[1]])结果的长度却是4

1. > rt.value <- c(0,0,0,0) #返回值类型为4个数字

2. > vapply(scores, quantile, FUN.VALUE=rt.value, probsprobs=probs)

3. YuWen ShuXue

4. 25% 77.5 77

5. 50% 84.0 87

6. 75% 89.5 99

7. 100% 94.0 100

8. > rt.value <- c(0,0,0,'') #设置返回值为3个数字和1个字符串

9. > vapply(scores, quantile, FUN.VALUE=rt.value, probsprobs=probs)

错误于vapply(scores,quantile, FUN.VALUE = rt.value, probs = probs) :

值的种类必需是'character'，

但FUN(X[[1]])结果的种类却是'double'

FUN.VALUE为必需参数。