R: 矩阵运算及常用函数 III - *apply Part I

在”矩阵运算及常用函数I“里已经提到过，apply系列函数“主要用于某维度上某函数/方法的批量应用”，可以避免“控制流循环带来的高错误率以及漫长的响应时间”。

为了比较响应时间，我们可以先做一个简单的测试：为一列数据做一一系列幂的变形，依据指数的sequence，生成一系列的新数据。然后用system.time()来测试运行的时间(如何解读system.time()结果)。

test1. for循环

> power1 <- function(var = EuStockMarkets[,1]){
+   new.var <- NULL
+   for(i in seq(.001, .999, .001)){
+     if(is.null(new.var)){
+       new.var <- var^i
+     }else{
+       new.var <- data.frame(new.var, var^i)
+     }
+  }
+  return(new.var)
+ }

> system.time(power1())

   user  system elapsed 

   1.06    0.00    1.08 

这里elapsed说明调用和运行程序到整体执行完一共花费的时间，这段循环的function花费了1.08秒

test2. sapply

> power2<-function(i)EuStockMarkets[,1]^i

> system.time(sapply(seq(.001,.999,.001),power2))

   user  system elapsed
   0.42    0.00    0.42 

这个地方， 当我们使用sapply进行处理的时候，总共消耗了0.42秒，比for循环快了一倍多，虽然只快了不到一秒，但是执行效率有相当大幅度的提升。当处理的维度变得原来越多的时候(比如for的循环嵌套)，apply函数的优势就会更明显。

-+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+- -+-

在help system中搜索apply

> ??apply

可以看到在{base}中自带的跟apply相关的函数有7个：

base::apply	Apply Functions Over Array Margins
base::by	Apply a Function to a Data Frame Split by Factors
base::eapply	Apply a Function Over Values in an Environment
base::lapply	Apply a Function over a List or Vector
base::mapply	Apply a Function to Multiple List or Vector Arguments
base::rapply	Recursively Apply a Function to a List
base::tapply	Apply a Function Over a Ragged Array