似乎是有连续两天没搞了，真是罪过！
向量化运算符
假设我们希望对向量X中的每一个元素使用函数f()。
在很多情况下，我们可以简单地对x调用f()就能完成。
这可以简化我们的代码，不仅如此，还能将代码运行效率显著提高到数百倍甚至更多。
提高R代码执行速度的有效方法之一是向量化(vectorize)，这意味着应用到向量上的承数实际上应用在其每一个元素上。
- 向量输入，向量输出
之前在本章你已经看到向量化运算的一些例子，即**+和运算符。另一个例子是>*。
> u<- c(5,2,8)
> V<-c(1,3,9)
> u>V
[1] TRUE FALSE FALSE
在这里，>函数分别运用在u[1]和v[1]，得到结果TRUE，然后是u[2]和v[2]，得到结果 FALSE，以此类推。
关键在于，如果一个函数使用了向量化的运算符，那么它也被向量化了，从而使速度提升成为可能。下面有一个例子:
> w<-function(x)return(x+1)
> w(u)
[1] 6 3 9
在这里，w()使用了向量化的运算符+，从而w()也是向量化的。正如你看到的，存在无数个向量化的函数，因为用简单的向量化函数可以构建更复杂的函数。
注意，甚至**超越函数–(平方根、对数、三角函数等)**也是向量化的。
> sqrt(1:9)#1到9开平方根
[1] 1.000000 1.414214 1.732051 2.000000 2.236068 2.449490
[7] 2.645751 2.828427 3.000000
这也适用于其他许多内置的R函数。例如，让我们对向量y应用round()函数，其作用是四舍五人到最近整数:
> y<- c(1.2,3.9,0.4)
> z<- round(y)
> z
[1] 1 4 0
上例的关键在于，round()函数能应用到向量y中的每一个元素上。
记住，标量实际上是一元向量，所以通常情况下对单个数值使用round()函数，只是一种特殊情形。
> round(1.2)
[1] 1
在这里，我们使用内置的函数round()，但用自己编写的函数同样可以做到这点。
正如前面提到过的，诸如+这样的运算符实际上也是函数。例如，考虑下面的代码：
> y<- c(12,5,13)
> y+4
[1] 16 9 17
上例中三元向量的每个元素都加上了4，原因在于+实际上也是函数!下面这样写就看得明显了：
> '+'(y,4)
[1] 16 9 17
同时也要注意，循环补齐在这里起了关键作用，4被循环补齐为(4，4，4)
我们知道R有没有标量，那么我们考察一下那些看上去有标量参数的向量化函数。
> f<-function(x,c) return((x+c)^2)
> f(1:3,0)
[1] 1 4 9
> f(1:3,1)
[1] 4 9 16
在这里定义的f()，我们希望c是一个标量，但实际上它当然是一个长 1 度为1的向量。
后续的一些解释在书上P35页。
- 向量输入，矩阵输出
对单个数值调用 sqrt()函数得到的结果也是单个数值，如果我们将此函数应用到八元向量，则得到的输出结果也是八个数组成的向量。
但如果函数本身的返回值就是向量会怎么样呢?例如这里的z12():
> z12<-function(z)return(c(z,z^2))
对5使用函数z12(),将得到二元向量(5,25)，如果我们将它应用在八元向量，则它生成16个数值:
> z12(x)
[1] 1 2 3 4 5 6 7 8 1 4 9 16 25 36 49 64
把结果排列成8x2的矩阵可能会更自然，可以用matrix函数来实现:
> matrix(z12(x),ncol=2)
[,1] [,2]
[1,] 1 1
[2,] 2 4
[3,] 3 9
[4,] 4 16
[5,] 5 25
[6,] 6 36
[7,] 7 49
[8,] 8 64
但我们可以用sapply()(它是simplifyapply的缩写)来简化这一切。调用sapply(x,f)即可对x的每一个元素使用函数f()，并将结果转化为矩阵。下面是一个例子:
> 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
我们得到2x8而不是8x2维的矩阵，但它同样是有用的。
后续将进一步讨论sapply()函数。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
