R 基本函数sweep的使用（apply函数的利器）

Xiaofei@IDO

于 2022-02-13 12:59:46 发布

阅读量2.9k

点赞数 3

分类专栏： R语言文章标签： r语言开发语言

本文链接：https://blog.csdn.net/nixiang_888/article/details/122895661

版权

R语言专栏收录该内容

20 篇文章 11 订阅

订阅专栏

本文介绍了R语言中的sweep函数，用于数据集的统计量操作，如均值中心化和标准化。通过示例展示了如何利用sweep函数对数据集的每一列进行减去均值的操作，同时也提到了可以使用apply函数获取统计量。此外，还展示了将统计量作为一个向量传入sweep函数的例子。sweep函数有效地避免了使用for循环，提高了代码效率。

摘要由CSDN通过智能技术生成

1、背景

最近，在进行数据集的标准化处理的时候，遇到了sweep函数。这是我使用R这么久第一次看到这个函数的使用。不得不感叹R的强大。
好了，不感叹了，学海无涯，继续奋斗吧！！！

sweep函数主要用于各种统计量的操作，该统计量通常来自于apply函数，这也是经常使用的统计量（比如按行求和，求均值，求中位值等）。
对统计量的处理，比如，我们计算每一行/列减去均值（均值中心化），或者除以均值（均值标准化）等，sweep行数就发挥作者用了。
sweep函数有效的替代了for循环

接下来，我们来讨论一下其应用。

2、基本使用

2.1 语法

sweep(x, MARGIN, STATS, FUN = "-", check.margin = TRUE, ...)

参数：

x：即要处理的原数据集 - 向量或矩阵
MARGIN：对行（1）或列（2），或者数列的其他维度进行操作
STATS：需要对原数据集操作用到的统计量，一般来源于apply函数（我们常用的，也可以是向量，或者其他向量）
FUN：操作需要用到的四则运算，默认为减法"-"，当然可以修改成"+","*","/"即加、乘、除
check.margin：是否需要检查维度是否适宜的问题，默认为TRUE。
……：其他参数

2.2 使用示例

# 加载数据集
> require(stats)
> dat <- head(attitude, 10)
> head(dat)
# rating complaints privileges learning raises critical advance
# 1     43         51         30       39     61       92      45
# 2     63         64         51       54     63       73      47
# 3     71         70         68       69     76       86      48
# 4     61         63         45       47     54       84      35
# 5     81         78         56       66     71       83      47
# 6     43         55         49       44     54       49      34

每一列均减去对应列的均值

> colMeans(dat)
# rating complaints privileges   learning     raises   critical    advance 
# 63.0       66.6       50.8       54.4       64.8       76.4       40.4 
> sweep(x = dat, MARGIN = 2, STATS = colMeans(dat), FUN = "-")
# rating complaints privileges learning raises critical advance
# 1     -20      -15.6      -20.8    -15.4   -3.8     15.6     4.6
# 2       0       -2.6        0.2     -0.4   -1.8     -3.4     6.6
# 3       8        3.4       17.2     14.6   11.2      9.6     7.6
# 4      -2       -3.6       -5.8     -7.4  -10.8      7.6    -5.4
# 5      18       11.4        5.2     11.6    6.2      6.6     6.6
# 6     -20      -11.6       -1.8    -10.4  -10.8    -27.4    -6.4
# 7      -5        0.4       -8.8      1.6    1.2     -8.4    -5.4
# 8       8        8.4       -0.8      0.6    5.2    -10.4     0.6
# 9       9       15.4       21.2     12.6    6.2      6.6    -9.4
# 10      4       -5.6       -5.8     -7.4   -2.8      3.6     0.6

# 或者使用 apply 函数
> sweep(x = dat, MARGIN = 2, STATS = apply(dat, 2, mean), FUN = "-")
# rating complaints privileges learning raises critical advance
# 1     -20      -15.6      -20.8    -15.4   -3.8     15.6     4.6
# 2       0       -2.6        0.2     -0.4   -1.8     -3.4     6.6
# 3       8        3.4       17.2     14.6   11.2      9.6     7.6
# 4      -2       -3.6       -5.8     -7.4  -10.8      7.6    -5.4
# 5      18       11.4        5.2     11.6    6.2      6.6     6.6
# 6     -20      -11.6       -1.8    -10.4  -10.8    -27.4    -6.4
# 7      -5        0.4       -8.8      1.6    1.2     -8.4    -5.4
# 8       8        8.4       -0.8      0.6    5.2    -10.4     0.6
# 9       9       15.4       21.2     12.6    6.2      6.6    -9.4
# 10      4       -5.6       -5.8     -7.4   -2.8      3.6     0.6

统计量传入一个向量

> dat
# rating complaints privileges learning raises critical advance
# 1      43         51         30       39     61       92      45
# 2      63         64         51       54     63       73      47
# 3      71         70         68       69     76       86      48
# 4      61         63         45       47     54       84      35
# 5      81         78         56       66     71       83      47
# 6      43         55         49       44     54       49      34
# 7      58         67         42       56     66       68      35
# 8      71         75         50       55     70       66      41
# 9      72         82         72       67     71       83      31
# 10     67         61         45       47     62       80      41
> sweep(x = dat, MARGIN = 2, STATS = c(11:17), FUN = "-")
# rating complaints privileges learning raises critical advance
# 1      32         39         17       25     46       76      28
# 2      52         52         38       40     48       57      30
# 3      60         58         55       55     61       70      31
# 4      50         51         32       33     39       68      18
# 5      70         66         43       52     56       67      30
# 6      32         43         36       30     39       33      17
# 7      47         55         29       42     51       52      18
# 8      60         63         37       41     55       50      24
# 9      61         70         59       53     56       67      14
# 10     56         49         32       33     47       64      24