apply家族学习

概述

在实际的工作中，我们总要面对各种各样的数据结构处理，这些操作可以使用循环来完成，但是容易造成内存的占用，以前其实了解过这方面的函数，但是记不清，因此整理下主要函数如下

apply
lapply
sapply
tapply

apply函数

apply(X, MARGIN, FUN, ...)

X 处理的数据框
MARGIN 1表示对行，2表示对列处理，c(1,2)表示对行列进行操作
FUN 函数，可以为自定义函数，或者为内置函数

示例

# 使用iris数据集进行测试
data(iris)
# 求均值
apply(iris[,1:4],2,mean,na.rm=T)
# 结果
Sepal.Length  Sepal.Width Petal.Length  Petal.Width
    5.843333     3.057333     3.758000     1.199333

lapply函数

lapply函数和apply函数的差别在于，lapply输出的为一个列表参数方面少了margin

示例

x<-lapply(iris[,1:4],mean,na.rm=T)
# 因为输出的为list格式，因此一般情况下需要使用unlist函数进行分解
unlist(x)

sapply函数

Sapply函数返回的是一个向量，不过增加了两个参数

simplify 如果为T，将输出结果数组化，否则为list
use.NAMEs 如果为T，设置字符串为字符名

示例

sapply(iris[,1:4],mean,na.rm=T,simplify=F,use.NAMEs=F)
# 结果
$Sepal.Length
[1] 5.843333

$Sepal.Width
[1] 3.057333

$Petal.Length
[1] 3.758

$Petal.Width
[1] 1.199333

tapply函数

tapply函数一般对数据进行分组描述时使用

tapply(X, INDEX, FUN = NULL)
参数
-X: 一个对象，一般都是向量
-INDEX: 一个包含分类因子的列表
-FUN: 对X里面每个元素进行操作的函数

示例

data(iris)
# 对第一列进行分组求均值
tapply(iris[,1],iris$Species,mean)
# 结果
    setosa versicolor  virginica
     5.006      5.936      6.588

结束语

其实关于apply函数的家族还有很多，这里只是了解了其中几个，其他的内容用到的概率不是很高。 peace & love

R海拾遗-apply家族学习

apply家族学习

概述

apply函数

lapply函数

sapply函数

tapply函数

结束语