R：利用apply、tapply、lapply、sapply、mapply、table等函数进行分组统计

转载：http://blog.sina.com.cn/u/1823385791

R中利用apply、tapply、lapply、sapply、mapply、table等函数进行分组统计

▼

• apply函数（对一个数组按行或者按列进行计算）：

使用格式为：

apply(X, MARGIN, FUN, ...)

其中X为一个数组；MARGIN为一个向量（表示要将函数FUN应用到X的行还是列），若为1表示取行，为2表示取列，为c(1,2)表示行、列都计算。
示例代码：
> 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

• 函数tapply（进行分组统计）：

使用格式为：

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

其中X通常是一向量；INDEX是一个list对象，且该list中的每一个元素都是与X有同样长度的因子；FUN是需要计算的函数；simplify是逻辑变量，若取值为TRUE（默认值），且函数FUN的计算结果总是为一个标量值，那么函数tapply返回一个数组；若取值为FALSE，则函数tapply的返回值为一个list对象。需要注意的是，当第二个参数INDEX不是因子时，函数 tapply() 同样有效，因为必要时 R 会用 as.factor()把参数强制转换成因子。
示例代码：
> fac <- factor(rep(1:3, length = 17), levels = 1:5)
> fac
  [1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2
Levels: 1 2 3 4 5
> tapply(1:17, fac, sum)
  1   2   3   4   5
51 57 45 NA NA
> 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
#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))
  [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

• 函数table（求因子出现的频数）：

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

• 函数lapply与函数sapply：

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。
示例代码：
> 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
#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

• 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。

示例代码：
> 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