R语言中的apply()，lapply()，sapply()，tapply()函数以及示例

文章来源：R中的apply（），lapply（），sapply（），tapply（）函数以及示例

本教程旨在介绍apply（）函数集合。apply（）函数是所有集合中最基本的。我们还将学习sapply（），lapply（）和tapply（）。apply集合可以看作是循环的替代品。

如果将R与Anaconda一起安装，则apply（）集合与R基本软件包捆绑在一起。apply（）函数可以提供许多函数，以对对象（数据框，列表，向量等）的集合执行冗余应用程序。apply（）的目的主要是为了避免显式使用循环结构。它们可用于输入列表，矩阵或数组并应用函数。任何函数都可以传递到apply（）中。

在本教程中，您将学习：

apply()函数
lapply()函数
sapply()函数
切片矢量
tapply()函数

apply()函数

apply()将数据框或矩阵作为输入，并以矢量，列表或数组形式输出。apply()函数主要用于避免重复使用循环结构。它是所有可以在矩阵上使用的最基本的集合。

此函数接受3个参数：

apply(X, MARGIN, FUN)
-x：数组或矩阵
-MARGIN：取一个介于1到2之间的值或范围，以定义该函数的应用位置：
    -MARGIN = 1`：对行执行操作
    -MARGIN = 2`：对列执行操作
    -MARGIN = c（1,2）`该操作在行和列上执行
-FUN：告诉应用哪个功能。可以应用平均值，中位数，和，最小值，最大值甚至用户定义的函数等内置函数

最简单的示例是对所有列求和。代码apply（m1，2，sum）将sum函数应用于矩阵5x6，并返回数据集中可访问的每一列的总和。

m1 <- matrix(C<-(1:10),nrow=5, ncol=6)
m1
a_m1 <- apply(m1, 2, sum)
a_m1

输出：

img

最佳实践：在将值打印到控制台之前，先存储它们。

lapply()函数

lapply()函数可用于对列表对象执行操作，并返回与原始集合长度相同的列表对象。lappy()返回一个长度与输入列表对象相似的列表，其每个元素都是将FUN应用于列表的相应元素的结果。lapply()将列表，向量或数据框作为输入，并在列表中给出输出。

lapply(X, FUN)
Arguments:
-X: A vector or an object
-FUN: Function applied to each element of x

lapply()中的l代表列表。lapply()和apply()之间的区别在于输出返回之间。lapply()的输出是一个列表。lapply()可以用于其他对象，例如数据框和列表。

lapply()函数不需要MARGIN。

一个非常简单的示例是使用tolower函数将矩阵的字符串值更改为小写。我们用著名电影的名称构造一个矩阵。名称为大写形式。

movies <- c("SPYDERMAN","BATMAN","VERTIGO","CHINATOWN")
movies_lower <-lapply(movies, tolower)
str(movies_lower)

输出：

## List of 4
## $:chr"spyderman"
## $:chr"batman"
## $:chr"vertigo"
## $:chr"chinatown"

我们可以使用unlist()将列表转换为向量。

films_lower <- unlist(lapply(movies，tolower))
str(movies_lower)

输出：

##  chr [1:4] "spyderman" "batman" "vertigo" "chinatown"

sapply（）函数

sapply（）函数将列表，向量或数据帧作为输入，并以向量或矩阵形式输出。它对列表对象的操作很有用，并返回与原始集合长度相同的列表对象。sapply（）函数执行的功能与lapply（）函数相同，但返回一个向量。

sapply(X, FUN)
Arguments:
-X: A vector or an object
-FUN: Function applied to each element of x

我们可以从汽车数据集中测量汽车的最小速度和停车距离。

dt <- cars
lmn_cars <- lapply(dt, min)
smn_cars <- sapply(dt, min)
lmn_cars
smn_cars

输出：

## $speed
## [1] 4
## $ dist
## [1] 2
## speed  dist 
##     4     2

我们可以在lapply()或sapply（）中使用用户内置函数。我们创建一个名为avg的函数来计算向量最小值和最大值的平均值。

avg <- function(x) {  
  ( min(x) + max(x) ) / 2}
fcars <- sapply(dt, avg)
fcars

输出量

## speed  dist
##  14.5  61.0

sapply（）函数在返回的输出中比lapply（）更有效，因为sapply（）将值直接存储到向量中。在下一个示例中，我们将看到情况并非总是如此。

下表总结了apply（），sapply（）和lapply（）之间的区别：

Function	Arguments	Objective	Input	Output
apply	apply(x, MARGIN, FUN)	Apply a function to the rows or columns or both	Data frame or matrix	vector, list, array
lapply	lapply(X, FUN)	Apply a function to all the elements of the input	List, vector or data frame	list
sapply	sappy(X FUN)	Apply a function to all the elements of the input	List, vector or data frame	vector or matrix

切片矢量

我们可以使用lapply（）或sapply（）互换来切片数据框。我们创建一个函数below_average（），该函数接受数值的向量，并返回仅包含严格高于平均值的值的向量。我们将两个结果与 identical() 函数进行比较。

below_ave <- function(x) {  
    ave <- mean(x) 
    return(x[x > ave])
}
dt_s <- sapply(dt, below_ave)
dt_l <- lapply(dt, below_ave)
identical(dt_s, dt_l)

输出：

## [1] TRUE

tapply（）函数

tapply（）计算向量中每个因子变量的度量（均值，中位数，最小值，最大值等）或函数。这是一项非常有用的功能，可让您创建向量的子集，然后将某些功能应用于每个子集。

tapply(X, INDEX, FUN = NULL)
Arguments:
-X: An object, usually a vector
-INDEX: A list containing factor
-FUN: Function applied to each element of x

数据科学家或研究人员的部分工作是计算变量汇总。例如，根据特征测量平均值或组数据。大多数数据按ID，城市，国家/地区等分组。总结小组会发现更多有趣的模式。

为了了解其工作原理，让我们使用虹膜数据集。该数据集在机器学习领域非常有名。该数据集的目的是预测三种花类中的每一种的类别：萼片，杂色和维珍妮卡。数据集收集每个物种的长度和宽度信息。

作为先前的工作，我们可以计算每个物种的长度的中位数。tapply（）是执行此计算的快速方法。

data(iris)
tapply(iris$Sepal.Width, iris$Species, median)

输出：

##     setosa versicolor  virginica 
##        3.4        2.8        3.0