易混淆函数札记①：apply系列函数

在R语言中，有些函数由于名字相似，或者功能相似，容易混淆。因此，我计划记录一些在R中易混淆的函数，相应的文章题目都是冠以易混淆函数札记。这是这个系列的第一篇。

在R语言中函数中带有apply名字的函数一共有4个，分别为apply , lappy , sapply , tappy 。它们有着相似的名字，用法也有一些相似，容易混淆，因此，写这篇文章的目的就是帮助读者更好的区分这3个函数。

这篇文章中用的数据集是R中自带的mtcars数据集，可以直接调用。由于该数据集列数较多，为了方便理解，我们只取其mpg , cyl , hp列，分别表示汽车每加仑汽油跑的里程(单位mile)、气缸数、汽车马力。并将这些列赋值给cars变量

> cars <- mtcars[,c("mpg","cyl","hp")]  # 赋值给cars
> head(cars)   # 使用head函数查看前几行数据
                   mpg cyl  hp
Mazda RX4         21.0   6 110
Mazda RX4 Wag     21.0   6 110
Datsun 710        22.8   4  93
Hornet 4 Drive    21.4   6 110
Hornet Sportabout 18.7   8 175
Valiant           18.1   6 105

除非特别指出，否则后面的函数都是针对的cars变量的数据。

下面逐个介绍这些函数。

apply 函数

apply这个单词的意思是应用。它的作用是将指定函数应用于数组或矩阵的行或者列

用法是apply(X, MARGIN, FUN, ...)

参数解释

x : 待分析的数据（dataframe格式）

MARGIN : 1 表示为对行进行应用，2表示对列进行应用，c(1,2)则表示既对行又对列进行应用

FUN : 要应用的函数

比如我要对每列求标准差(R 中 内置了sd 函数),并将结果赋值给colsd

> colsd <- apply(cars,2,sd)  # 2表示对列处理
# 结果
> colsd
      mpg       cyl        hp 
 6.026948  1.785922 68.562868  

lapply 函数与sapply函数

apply函数针对的是某一行或者几行或者某一列或几列数据，而lapply 函数则可以遍历列表向量内的每个元素，并且使用指定函数来对其元素进行处理。返回列表向量(不是dataframe)。可以认为lappy中的l代表的就是list。

例如我想将所有数据都减去2然后除以10，并将结果赋值给change函数

用法 lapply(X, FUN, ...)

参数解释

和apply一样

> change <- lapply(cars,function(x){(x-2)/10})
> $mpg
 [1] 1.90 1.90 2.08 1.94 1.67 1.61 1.23 2.24 2.08 1.72 1.58 1.44
[13] 1.53 1.32 0.84 0.84 1.27 3.04 2.84 3.19 1.95 1.35 1.32 1.13
[25] 1.72 2.53 2.40 2.84 1.38 1.77 1.30 1.94

$cyl
 [1] 0.4 0.4 0.2 0.4 0.6 0.4 0.6 0.2 0.2 0.4 0.4 0.6 0.6 0.6 0.6
[16] 0.6 0.6 0.2 0.2 0.2 0.2 0.6 0.6 0.6 0.6 0.2 0.2 0.2 0.6 0.4
[31] 0.6 0.2

$hp
 [1] 10.8 10.8  9.1 10.8 17.3 10.3 24.3  6.0  9.3 12.1 12.1 17.8
[13] 17.8 17.8 20.3 21.3 22.8  6.4  5.0  6.3  9.5 14.8 14.8 24.3
[25] 17.3  6.4  8.9 11.1 26.2 17.3 33.3 10.7
  
# 结果
> head(change)
$mpg
 [1] 1.90 1.90 2.08 1.94 1.67 1.61 1.23 2.24 2.08 1.72 1.58 1.44
[13] 1.53 1.32 0.84 0.84 1.27 3.04 2.84 3.19 1.95 1.35 1.32 1.13
[25] 1.72 2.53 2.40 2.84 1.38 1.77 1.30 1.94

$disp
 [1] 15.80 15.80 10.60 25.60 35.80 22.30 35.80 14.47 13.88 16.56
[11] 16.56 27.38 27.38 27.38 47.00 45.80 43.80  7.67  7.37  6.91
[21] 11.81 31.60 30.20 34.80 39.80  7.70 11.83  9.31 34.90 14.30
[31] 29.90 11.90

$hp
 [1] 10.8 10.8  9.1 10.8 17.3 10.3 24.3  6.0  9.3 12.1 12.1 17.8
[13] 17.8 17.8 20.3 21.3 22.8  6.4  5.0  6.3  9.5 14.8 14.8 24.3
[25] 17.3  6.4  8.9 11.1 26.2 17.3 33.3 10.7

从结果可以看到，返回的是一个向量，如果我们只是想得到数据，修改列数据，可以使用这个函数，否则使用transform函数。

注意到，lapply得到的将结果有些"难看"，如果能像原来的数据那样，写成三列会好看许多。一种做法是，转成dataframe格式

as.data.frame(change)

另一种方法是不用lapply函数，而是这用sapply函数。sapply函数是对lapply函数的改写，得到的是dataframe格式数据

> change <- sapply(cars,function(x){(x-2)/10})
> head(change)
       mpg cyl   hp
 [1,] 1.90 0.4 10.8
 [2,] 1.90 0.4 10.8
 [3,] 2.08 0.2  9.1
 [4,] 1.94 0.4 10.8
 [5,] 1.67 0.6 17.3
 [6,] 1.61 0.4 10.3

tapply 函数

有时候我们想对数据按照一定的标准分组，其中标准是某一列的不同水平值，然后对每组数据进行处理。这个和SQL中的GROUP BY很像。

用法 tapply(X, INDEX, FUN = NULL, ...,)

参数解释，X，FUN函数同上

INDEX 是分类标准所在的列名

注意这里X和INDEX长度相等

例如我们想将具有相同的气缸数的汽车的合并在一起，并得到其mpg的平均值(R中的mean函数)，并赋值给bloc变量

> block <- tapply(cars$mpg, cars$cyl, mean)
# 结果
> block
       4        6        8 
26.66364 19.74286 15.10000 

说明：

1.可以将lapply（sapply函数）看做是apply函数的一个子集，因为对所有列或者所有行进行批处理，和对所有数据批处理本质一样。

好啦，关于R中apply系列函数的介绍就到这里，希望能帮助你区分这些易混淆函数。如果还有什么问题，欢迎发表评论。同时也欢迎大家关注我的公众号，有理有数据。