
R中的apply族函数
如果计算涉及到 一个单一的向量,而结果也是一个向量 , tapply函数 是一个可选项,不同于aggregate函数,它返回一个向量或数组,这使得其单个元素很容易被访问。
将组定义为矩阵的行或列,即操作目标为矩阵的每一列或行时, apply函数 时最佳选择。该函数通常会返回一个向量或数组,但根据行或列操作的结果维度不同,将返回一个列表。
将组定义为列表中的元素。 如果组已经形成列表元素,那么 sapply或lapply函数 比较适合,它们的区别是lapply返回一个列表,而sapply可将输出简化为向量或数组。有时可以结合使用split函数,将需要处理的数据创建为一个列表,然后再使用这两个函数。
如果所要计算函数的参数为一个矩阵或数组, 可以考虑使用 mapply函数 ,该函数非常的灵活和简单,其返回的结果一般是列表形式。
先来看一下tapply()、apply()、lapply()、sapply()和mapply()函数的 语法规则:
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)
apply(X, MARGIN, FUN, ...)
lapply(X, FUN, ...)
sapply(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE)
mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE,
USE.NAMES = TRUE)
根据不同的函数,输入数据X可能是向量、数组、矩阵或数据框;INDEX一般为类别变量;MARGIN指定矩阵的维度,1表示矩阵的行,2表示矩阵的列;FUN为参与运算的函数,可以是R自带的函数也可以是自己编写的函数;...为函数FUN指定的参数,紧跟在函数的后面。
接下来看一下各个函数的应用情况
为了处理基于一个或多个分组变量的单个向量,可以使用tapply函数, 该函数返回一个数组,其维数与分组向量的维数相同 。
注意,该函数的输入数据必须是向量,且分析向量与分组向量的长度必须一致
如果想分析iris数据集中Sepal.Length在各个花种中的最大值,可以通过tapply函数实现,这里的Sepal.Length和Species为两个向量,且各自的长度均相等。
如果想对某个变量(向量)进行多变量的分组分析时,也可以采用tapply函数。
首先构造一个数据框:
接下来想对z变量做分组统计,分组变量为x和y
这里的NA表示x和y的分组中没有对应的z值。
当数据具备 数组 的特性,可通过 apply函数对数据的每个维度进行运算 ,该函数需要 三个参数 :需要计算的 数组、运算维度的索引号和使用的函数。
标准化一个矩阵:这里可以直接给参数FUN为scale
当然,如果想统计各个列的均值,为比较显式循环和apply的隐式循环,程序如下,就可以比较出两种方式的效率:
\
结果显式,通过apply计算矩阵列的均值速度是显式循环的50倍。这说明在R中使用循环的话尽量使用到隐式的向量化计算,否则计算效率非常差。
再来看一个如何使用自编函数应用到apply中:这里显式了前7列的统计量值。
lapply()函数和sapply()函数把一个列表或向量作为其第一个参数,再把需要应用到每个列表元素的函数作为它的第二个参数。 其实它也应用到了循环,是一种隐式的循环,对列表的每一个元素做同样的函数计算。
应用:查看字符向量中每一个元素所包含的单词个数
使用sapply函数的另一个重要问题涉及到数据框。当数据框被视为列表时,数据框的每一列看着独立的列表元素。
查看数据集iris和ChickWeight各个字段的模式和类
通过以上的应用,可以提取满足特定条件的数据框的列
接下来使用自编函数加入到sapply函数中,实现循环。该自编函数的目的是计算出1000个100*5的矩阵中最大相关系数的均值。 这里很关键的一点是给自编函数传一个虚拟参数i用来循环。
最后再来看一下mapply函数的应用:该函数的第一个参数为指定的函数,第二个参数为指定函数的参数。如果根据某种正则表达式将一个字符向量的对应特征取出来,例如取出'qaws1few4g'中的'1f'和'4g'
最后总结一下:
tapply()的被分析对象必须且只能是向量
apply()的被分析对象必须且只能是矩阵或数组
sapply()的被分析对象必须且只能是向量或列表
lapply()的被分析对象必须且只能是向量或列表
mapply()的被分析对象必须是函数
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11