R语言 apply家族函数的使用技巧

使用R做数据处理时，基本不需要用循环，而且效率特别低，所以就衍生出来apply族函数代替循环计算。

apply的家族函数，包括apply, sapply, tapply, mapply, lapply, rapply, vapply, eapply等。我们可以实现对数据的循环、分组、过滤、类型控制等操作。

下面将分别介绍这8个函数的定义和使用方法

1、apply

apply函数是最常用的代替for循环的函数。apply函数可以对矩阵、数据框、数组(二维、多维)，按行或列进行循环计算，对子元素进行迭代，并把子元素以参数传递的形式给自定义的FUN函数中，并以返回计算结果。

函数定义：

apply(X, MARGIN, FUN, …)

X: 数组、矩阵、数据框
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
…: 更多参数，可选

2、lapply

lapply函数是一个最基础循环操作函数之一，用来对list、data.frame数据集进行循环，并返回和X长度同样的list结构作为结果集，通过lapply的开头的第一个字母’l’就可以判断返回结果集的类型，

函数定义：

lapply(X, FUN, …)

X:list、data.frame数据
FUN: 自定义的调用函数
…: 更多参数，可选

注意，lapply针对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，所以出来的结果都是以list形式呈现的。

3、sapply

sapply函数是一个简化版的lapply，sapply增加了2个参数simplify和USE.NAMES，主要就是让输出看起来更友好，返回值为向量，而不是list对象。

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

X:数组、矩阵、数据框
FUN: 自定义的调用函数
…: 更多参数，可选
simplify: 是否数组化，当值array时，输出结果按数组进行分组
USE.NAMES: 如果X为字符串，TRUE设置字符串为数据名，FALSE不设置

注意几个点：
simplify=F：返回值的类型是list，此时与lapply完全相同

simplify=T（默认值）：返回值的类型由计算结果定，如果函数返回值长度为1，则sapply将list简化为vector；

如果返回的列表中每个元素的长度都大于1且长度相同，那么sapply将其简化位一个矩阵

4、vapply

vapply类似于sapply，提供了FUN.VALUE参数，用来控制返回值的行名，这样可以让程序更健壮。

函数定义：

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

X:数组、矩阵、数据框
FUN: 自定义的调用函数
FUN.VALUE: 定义返回值的行名row.names
…: 更多参数，可选
USE.NAMES: 如果X为字符串，TRUE设置字符串为数据名，FALSE不设置

通过使用vapply可以直接设置返回值的行名，这样子做其实可以节省一行的代码，让代码看起来更顺畅，当然如果不愿意多记一个函数，那么也可以直接忽略它，只用sapply就够了。

5、 mapply

mapply也是sapply的变形函数，类似多变量的sapply，但是参数定义有些变化。第一参数为自定义的FUN函数，第二个参数’…’可以接收多个数据，作为FUN函数的参数调用。

函数定义：

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

FUN: 自定义的调用函数
…: 接收多个数据
MoreArgs: 参数列表
SIMPLIFY: 是否数组化，当值array时，输出结果按数组进行分组
USE.NAMES: 如果X为字符串，TRUE设置字符串为数据名，FALSE不设置

比如，设置两组向量，然后比较对应索引值上那个较小的。
再来个复杂点的：
由于mapply是可以接收多个参数的，所以我们在做数据操作的时候，就不需要把数据先合并为data.frame了，直接一次操作就能计算出结果了。

6、tapply

tapply用于分组的循环计算，通过INDEX参数可以把数据集X进行分组，相当于group by的操作。

函数定义：

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

X: 向量
INDEX: 用于分组的索引
FUN: 自定义的调用函数
…: 接收多个数据
simplify : 是否数组化，当值array时，输出结果按数组进行分组

先做一组数据：
现在我想知道按每年每个城市算的销售总数。
所以用于分组的索引有两个，年份和城市，需要显示的量值为销售总数。

（rapply和eapply函数未完待续！）