R语言 apply函数家族详解

最新推荐文章于 2023-05-08 12:55:39 发布
最新推荐文章于 2023-05-08 12:55:39 发布
阅读量1k 收藏 5
点赞数
分类专栏： 机器学习

R语言 apply函数家族详解


apply Apply Functions Over Array Margins对阵列行或者列使用函数 apply(X, MARGIN, FUN, …)
lapply Apply a Function over a List or Vector对列表或者向量使用函数 lapply(X, FUN, …)
sapply Apply a Function over a List or Vector对列表或者向量使用函数 sapply(X, FUN, …, simplify = TRUE, USE.NAMES = TRUE)
vapply Apply a Function over a List or Vector对列表或者向量使用函数 vapply(X, FUN, FUN.VALUE, …, USE.NAMES = TRUE)
tapply Apply a Function Over a Ragged Array对不规则阵列使用函数 tapply(X, INDEX, FUN = NULL, …, simplify = TRUE)
eapply Apply a Function Over Values in an Environment对环境中的值使用函数 eapply(env, FUN, …, all.names = FALSE, USE.NAMES = TRUE)
mapply Apply a Function to Multiple List or Vector Arguments对多个列表或者向量参数使用函数 mapply(FUN, …, MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)
rapply Recursively Apply a Function to a List运用函数递归产生列表 rapply(object, f, classes = “ANY”, deflt = NULL,how = c(“unlist”, “replace”, “list”), …)

1、apply {base}

通过对数组或者矩阵的一个维度使用函数生成值得列表或者数组、向量。

apply(X, MARGIN, FUN, …)

X 阵列，包括矩阵

MARGIN  1表示矩阵行，2表示矩阵列，也可以是c(1,2)

例：

> xxx<-matrix(1:20,ncol=4) 
> xxx
 [,1] [,2] [,3] [,4]
 [1,] 1 6 11 16
 [2,] 2 7 12 17
 [3,] 3 8 13 18
 [4,] 4 9 14 19
 [5,] 5 10 15 20
> apply(xxx,1,mean)
[1] 8.5 9.5 10.5 11.5 12.5
> apply(xxx,2,mean)
[1] 3 8 13 18
> apply(xxx,c(1,2),mean)  # 跟原来的一样
 [,1] [,2] [,3] [,4]
 [1,] 1 6 11 16
 [2,] 2 7 12 17
 [3,] 3 8 13 18
 [4,] 4 9 14 19
 [5,] 5 10 15 20

2、lapply {base}

通过对x的每一个元素运用函数，生成一个与元素个数相同的值列表

lapply(X, FUN, …)

X表示一个向量或者表达式对象，其余对象将被通过as.list强制转换为list

例：

> x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE))
> x
$a
 [1] 1 2 3 4 5 6 7 8 9 10

$beta
[1] 0.04978707 0.13533528 0.36787944 1.00000000 2.71828183 7.38905610 20.08553692

$logic
[1] TRUE FALSE FALSE TRUE

> lapply(x,mean)
$a
[1] 5.5

$beta
[1] 4.535125

$logic
[1] 0.5

3、sapply {base}

这是一个用户友好版本，是lapply函数的包装版。该函数返回值为向量、矩阵，如果simplify=”array”，且合适的情况下，将会通过simplify2array()函数转换为阵列。

sapply(x, f, simplify=FALSE, USE.NAMES=FALSE)返回的值与lapply(x,f)是一致的。

sapply(X, FUN, …, simplify = TRUE, USE.NAMES = TRUE)

X表示一个向量或者表达式对象，其余对象将被通过as.list强制转换为list

simplify 逻辑值或者字符串，如果可以，结果应该被简化为向量、矩阵或者高维数组。必须是命名的，不能是简写。默认值是TRUE，若合适将会返回一个向量或者矩阵。如果simplify=”array”，结果将返回一个阵列。

USE.NAMES  逻辑值，如果为TRUE，且x没有被命名，则对x进行命名。

例：

> k <- c("a", "b", "c")
> sapply(k, paste,USE.NAMES=FALSE,1:5,sep="...")
     [,1]    [,2]    [,3] 
[1,] "a...1" "b...1" "c...1"
[2,] "a...2" "b...2" "c...2"
[3,] "a...3" "b...3" "c...3"
[4,] "a...4" "b...4" "c...4"
[5,] "a...5" "b...5" "c...5"
> sapply(k, paste,USE.NAMES=TRUE,1:5,sep="...")
      a       b      c 
[1,] "a...1" "b...1" "c...1"
[2,] "a...2" "b...2" "c...2"
[3,] "a...3" "b...3" "c...3"
[4,] "a...4" "b...4" "c...4"
[5,] "a...5" "b...5" "c...5"
> sapply(k, paste,USE.NAMES=TRUE,1:5,sep="...",simplyfy=TRUE)
      a              b             c 
[1,] "a...1...TRUE" "b...1...TRUE" "c...1...TRUE"
[2,] "a...2...TRUE" "b...2...TRUE" "c...2...TRUE"
[3,] "a...3...TRUE" "b...3...TRUE" "c...3...TRUE"
[4,] "a...4...TRUE" "b...4...TRUE" "c...4...TRUE"
[5,] "a...5...TRUE" "b...5...TRUE" "c...5...TRUE"
> sapply(k, paste,simplify=TRUE,USE.NAMES=TRUE,1:5,sep="...")
      a      b        c 
[1,] "a...1" "b...1" "c...1"
[2,] "a...2" "b...2" "c...2"
[3,] "a...3" "b...3" "c...3"
[4,] "a...4" "b...4" "c...4"
[5,] "a...5" "b...5" "c...5"
> sapply(k, paste,simplify=FALSE,USE.NAMES=TRUE,1:5,sep="...")
$a
[1] "a...1" "a...2" "a...3" "a...4" "a...5"

$b
[1] "b...1" "b...2" "b...3" "b...4" "b...5"

$c
[1] "c...1" "c...2" "c...3" "c...4" "c...5"

> z12 <- function(z) return(c(z,z^2))
> sapply(1:8,z12)  
      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
 [1,] 1    2    3    4    5    6    7    8
 [2,] 1    4    9    16   25   36   49   64
# sapply(x,f) applies the function f() to each element of x and then converts the result to a matrix

lapply() 和sapply()

lapply() (for list apply) 对list的每个元素（如果是向量则转化list）应用指定函数并且返回list。但如果想返回矩阵则可以用sapply(for simplified [l]apply)

> lapply(list(1:3,25:29),median)
[[1]]
[1] 2

[[2]]
[1] 27

> sapply(list(1:3,25:29),median)
[1] 2 27

4、vapply {base}

vapply类似于sapply函数，但是它的返回值有预定义类型，所以它使用起来会更加安全，有的时候会更快

在vapply函数中总是会进行简化，vapply会检测FUN的所有值是否与FUN.VALUE兼容，以使他们具有相同的长度和类型。类型顺序：逻辑<</span>整型<</span>实数<</span>复数

vapply(X, FUN, FUN.VALUE, …, USE.NAMES = TRUE)

X表示一个向量或者表达式对象，其余对象将被通过as.list强制转换为list

simplify 逻辑值或者字符串，如果可以，结果应该被简化为向量、矩阵或者高维数组。必须是命名的，不能是简写。默认值是TRUE，若合适将会返回一个向量或者矩阵。如果simplify=”array”，结果将返回一个阵列。

USE.NAMES  逻辑值，如果为TRUE，且x没有被命名，则对x进行命名。

FUN.VALUE   一个通用型向量，FUN函数返回值得模板

例：

> x<-data.frame(a=rnorm(4,4,4),b=rnorm(4,5,3),c=rnorm(4,5,3))
> x
  a          b         c
1 -3.6347838 10.148212 7.31046748
2 11.9348560 3.424033  6.84397278
3 -0.7628213 4.501820  0.05871996
4 2.3421496  6.887066  5.77923358
> vapply(x,mean,c(c=0))
 a       b        c 
2.469850 6.240283 4.998098 
> k<-function(x) { list(mean(x),sd(x)) }
> vapply(x,k,c(c=0))
错误于vapply(x, k, c(c = 0)) : 值的长度必需为1，
 但FUN(X[[1]])结果的长度却是2
> 
> vapply(x,k,c(c=0,b=0))
错误于vapply(x, k, c(c = 0, b = 0)) : 值的种类必需是'double'，
 但FUN(X[[1]])结果的种类却是'list'
> vapply(x,k,c(list(c=0,b=0)))
  a       b        c 
c 2.46985 6.240283 4.998098
b 6.765584 2.980143 3.354695
>

5、tapply {base}

对不规则阵列使用向量，即对一组非空值按照一组确定因子进行相应计算

tapply(X, INDEX, FUN, …, simplify = TRUE)

x  一个原子向量，典型的是一个向量

INDEX  因子列表，和x长度一样，元素将被通过as.factor强制转换为因子

simplify  若为FALSE，tapply将以列表形式返回阵列。若为TRUE，FUN则直接返回数值

例：

> height <- c(174, 165, 180, 171, 160)
> sex<-c("F","F","M","F","M")
> 
> tapply(height, sex, mean)
 F M 
170 170

6、eapply {base}

eapply函数通过对environment中命名值进行FUN计算后返回一个列表值，用户可以请求所有使用过的命名对象。

eapply(env, FUN, …, all.names = FALSE, USE.NAMES = TRUE)

env  将被使用的环境

all.names  逻辑值，指示是否对所有值使用该函数

USE.NAMES  逻辑值，指示返回的列表结果是否包含命名

例：

> require(stats)
> env <- new.env(hash = FALSE) # so the order is fixed
> env$a <- 1:10
> env$beta <- exp(-3:3)
> env$logic <- c(TRUE, FALSE, FALSE, TRUE)
> utils::ls.str(env)
a : int [1:10] 1 2 3 4 5 6 7 8 9 10
beta : num [1:7] 0.0498 0.1353 0.3679 1 2.7183 ...
logic : logi [1:4] TRUE FALSE FALSE TRUE
> eapply(env, mean)
$logic
[1] 0.5

$beta
[1] 4.535125

$a
[1] 5.5

> unlist(eapply(env, mean, USE.NAMES = FALSE))
[1] 0.500000 4.535125 5.500000
> eapply(env, quantile, probs = 1:3/4)
$logic
25% 50% 75% 
0.0 0.5 1.0 

$beta
 25% 50% 75% 
0.2516074 1.0000000 5.0536690 

$a
 25% 50% 75% 
3.25 5.50 7.75 

> eapply(env, quantile)
$logic
 0% 25% 50% 75% 100% 
 0.0 0.0 0.5 1.0 1.0 

$beta
 0% 25% 50% 75% 100% 
 0.04978707 0.25160736 1.00000000 5.05366896 20.08553692 

$a
 0% 25% 50% 75% 100% 
 1.00 3.25 5.50 7.75 10.00 

>

7、mapply {base}

mapply是sapply的多变量版本。将对…中的每个参数运行FUN函数，如有必要，参数将被循环。

mapply(FUN, …, MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)

MoreArgs   FUN函数的其他参数列表

SIMPLIFY   逻辑或者字符串，可以减少结果成为一个向量、矩阵或者更高维阵列，详见sapply的simplify参数

USE.NAMES   逻辑值，如果第一个参数…已被命名，将使用这个字符向量作为名字

例：

> mapply(rep, 1:4, 4:1)
[[1]]
[1] 1 1 1 1

[[2]]
[1] 2 2 2

[[3]]
[1] 3 3

[[4]]
[1] 4

8、rapply {base}

rapply是lapply的递归版本

rapply(X, FUN, classes = “ANY”, deflt = NULL, how = c(“unlist”, “replace”, “list”), …)

X  一个列表

classes  关于类名的字符向量，或者为any时则匹配任何类

deflt  默认结果，如果使用了how=”replace”，则不能使用

how  字符串匹配三种可能结果

 

原文：http://blog.sina.com.cn/s/blog_403aa80a010174dj.html

oucpowerman
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
对pandas中apply函数的用法详解
12-25
以上这篇对pandas中apply函数的用法详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持软件开发网。 您可能感兴趣的文章:pandas中apply和transform方法的性能比较及区别介绍详谈pandas...
R语言apply系列函数
Bio大恐龙
01-17 2万+
R语言apply系列函数，apply，lapply，sapply，tapply，mapply函数
R语言中的apply函数用法
hs6605015的博客
07-11 2万+
刚开始接触R语言时，会听到各种的R语言使用技巧，其中最重要的一条就是不要用循环，效率特别低，要用向量计算代替循环计算。 那么，这是为什么呢？原因在于R的循环操作for和while，都是基于R语言本身来实现的，而向量操作是基于底层的C语言函数实现的，从性能上来看，就会有比较明显的差距了。那么如何使用C的函数来实现向量计算呢，就是要用到apply的家族函数，包括apply, sapply, tapply, mapply, lapply, rapply, vapply, eapply等。 1. apply的家族函
R语言（六）apply函数族理解与应用
shine4869的博客
04-13 5740
apply函数族的理解与引用
R语言 | 认识apply家族
天下弈星~的博客
05-08 1802
详细介绍了R语言中的apply()函数、sapply()函数、lapply()函数、tapply()函数和iris鸢尾花数据集以及相关的代码实现。
JavaScript中的apply和call函数详解
12-03
每个JavaScript函数都会有很多附属的（attached）方法，包括toString()、call()以及apply()。听起来，你是否会感到奇怪，一个函数可能会有属于它自己的方法，但是记住，JavaScript中的每个函数都是一个对象。看一下 ...
详解JavaScript函数callee、call、apply的区别
12-07
可以用于引用该函数的函数体内当前正在执行的函数。这在函数的名称是未知时很有用，例如在没有名称的函数表达式 (也称为“匿名函数”)内。 递归调用实现一个阶乘函数： function sum(num){ if(num <= 1){ ...
R语言apply()函数
weixin_48364077的博客
08-02 2万+
apply()函数是一种很强大的机制。apply()可把函数应用到数组的某个维度上 其函数的的一般格式为： apply(x, MARGIN, FUN, ...) 其中，x为数据对象，MARGIN是维度的下标，FUN是由你指定的函 数，而...则包括了任何想传递给FUN的参数。在矩阵或数据框 中，MARGIN=1表示行，MARGIN=2表示列。请看以下例子。 #求矩阵每一行或者每一列的均值，可以使用apply()函数 mydata<-matrix(rnorm(30),nrow=6)#生成服从正态.
R语言：常用apply函数（apply,tapply,sapply,lapply）用法介绍
Jzkuan的博客
06-13 5万+
apply函数 对矩阵、数据框、数组(二维、多维)等矩阵型数据，按行或列应用函数FUN进行循环计算，并以返回计算结果 apply(X, MARGIN, FUN, ...) X:数组、矩阵、数据框等矩阵型数据 MARGIN: 按行计算或按按列计算，1表示按行，2表示按列 FUN: 自定义的调用函数 应用iris数据集进行举例，以下计算前四个变量的均值： a <- apply(iris[,...
c语言apply函数,【R语言】apply函数家族大全
weixin_42166261的博客
05-22 718
对于apply函数家族的几个函数你是不是经常搞混，有时候不知道用哪个函数比较合适呢？下面就由小编详细解说apply函数家族中常用的八个函数吧。apply()函数函数调用格式：apply(X, MARGIN, FUN, ...)MARGIN参数：1表示矩阵行，2表示矩阵列，c(1,2) 表示矩阵行和列操作对象：矩阵、数组或数据框操作方式：抽取矩阵或数据框的每行或每列，作为向量执行指定的FUN返 回 ...
R语言处理数据——仅删除全部缺失（全部为NA）的行
小八四爱吃甜食的博客
04-20 4391
仅删除全部缺失（全部为NA）的行 代码如下： # 先写成函数的形式，方便调用 removeRowsAllNa <- function(x){x[apply(x, 1, function(y) any(!is.na(y))),]} removeColsAllNa <- function(x){x[, apply(x, 2, function(y) any(!is.na(y)))]} data <- removeRowsAllNa(data) # 非函数形式则更简短，其中 x 为 Da
R语言中的apply()，lapply()，sapply()，tapply()函数以及示例
weixin_42683052的博客
04-28 7932
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。 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) 5行6列，默认按列排序 m1 a_m1 <- apply(m1, 2, sum) # 对m1矩阵的列（MARGIN=2）求s
R语言apply族函数
qq_27390023的博客
01-17 582
R语言有很重要的apply族函数：lapply sapply apply tapply mapply。这些函数底层通过C实现，效率比手工遍历高效。apply族函数是高效能计算的运算向量化(Vectorization)实现方法之一，比起传统的for,while常常能获得更好的性能。 1. apply 对matrix指定维度操作 ###1. apply 对matrix指定维度操作 x <- cbind(x1 = 3, x2 = c(4:1, 2:5),x3= c(1:8)) dimnames(x)
【R语言学习笔记】13、R的高级数据管理
Aboil的博客
08-20 638
本文参考整理自： 1. 数据的处理函数 1.1 数学函数 1.2 统计函数 1.3 概率函数 #绘制正太分布曲线 x<-pretty(c(-3,3),30) y<-dnorm(x) plot(x,y,type="l",xlab="Normal Deviate",ylab="Density",yaxs="i") 1.4 字符处理函数 a<-5 sqrt(a) [1]...
掌握R语言中的apply函数族
fens的博客
04-26 2225
R的极客理想系列文章，涵盖了R的思想，使用，工具，创新等的一系列要点，以我个人的学习和体验去诠释R的强大。 R语言作为统计学一门语言，一直在小众领域闪耀着光芒。直到大数据的爆发，R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入，R语言的社区在迅速扩大成长。现在已不仅仅是统计领域，教育，银行，电商，互联网….都在使用...
R中的高效批量处理函数（lapply sapply apply tapply mapply）
热门推荐
wa2003的博客
05-21 5万+
R语言提供了批量处理函数，可以循环遍历某个集合内的所有或部分元素，以简化操作。 这些函数底层是通过C来实现的，所以效率也比手工遍历来的高效。 批量处理函数有很重要的apply族函数：lapply sapply apply tapply mapply。apply族函数是高效能计算的运算向量化(Vectorization)实现方法之一，比起传统的for,while常常能获得更好的性能。    
R语言学习笔记（四）：apply，sapply，lapply，tapply，vapply以及mapply的用法
aiairen0123的专栏
09-04 4424
apply() apply（m，dimcode，f，fargs） m 是一个矩阵。 dimcode是维度编号，取1则为对行应用函数，取2则为对列运用函数。 f是函数 fargs是f的可选参数集 > z <- matrix(1:6, nrow = 3) > f <- function(x) { + x/c(2, 8) + } > apply...
R语言-向量化操作（apply、tapply、lapply、sapply、mapply、table等）
智慧与美貌并存
06-02 5万+
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 > ma      [,1] [,2] [,3] [,4] [1,]
r 语言future.apply包中函数详解
最新发布
05-30
R语言中的future.apply包提供了一些函数来实现并行计算，下面是一些常用函数的详解： 1. future_lapply(): 对列表中的每个元素应用一个函数，返回一个列表。 2. future_sapply(): 对列表中的每个元素应用一个函数，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值