R中的高效批量处理函数（lapply sapply apply tapply mapply）（转）

弱龄寄事外，委怀在琴书。这篇文章主要讲述R中的高效批量处理函数（lapply sapply apply tapply mapply）（转）相关的知识，希望能为你提供帮助。
转自：http://blog.csdn.net/wa2003/article/details/45887055
R语言提供了批量处理函数，可以循环遍历某个集合内的所有或部分元素，以简化操作。这些函数底层是通过C来实现的，所以效率也比手工遍历来的高效。
批量处理函数有很重要的apply族函数：lapply sapply apply tapply mapply。apply族函数是高效能计算的运算向量化(Vectorization)实现方法之一，比起传统的for,while常常能获得更好的性能。

apply : 用于遍历数组中的行或列，并且使用指定函数来对其元素进行处理。
lapply : 遍历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。
sapply : 与lapply基本相同，只是对返回结果进行了简化，返回的是普通的向量。
mapply: 支持传入两个以上的列表。
tapply: 接入参数INDEX，对数据分组进行运算，就和SQL中的by group一样。

（1）行或列遍历操作函数apply

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

参数:
X: an array, including a matrix. MARGIN: 1：行操作； 2：列操作 FUN:函数名用apply可以很方便地按行列求和/平均，其结果与colMeans,colSums,rowMeans,rowSums是一样的。举例如下：

> a< -matrix(1:12,c(3,4)) > a [,1] [,2] [,3] [,4] [1,]14710 [2,]25811 [3,]36912 > apply(a,1,sum) [1] 22 26 30 > apply(a,2,sum) [1]6 15 24 33 > apply(a,1,function(x) sum(x)+2) [1] 24 28 32 > apply(a,1,function(x) x^2) [,1] [,2] [,3] [1,]149 [2,]162536 [3,]496481 [4,]100121144

（2）列表(list)遍历函数lapply

lapply(list, function, ...)

特点：对每列进行操作，非常适合数据框；输入的数据必须是list型。

> a< -matrix(1:12,c(3,4)) > a [,1] [,2] [,3] [,4] [1,]14710 [2,]25811 [3,]36912 > a.df< -data.frame(a) > a [,1] [,2] [,3] [,4] [1,]14710 [2,]25811 [3,]36912 > is.list(a.df) [1] TRUE > str(a.df) ‘data.frame‘:3 obs. of4 variables: $ X1: int1 2 3 $ X2: int4 5 6 $ X3: int7 8 9 $ X4: int10 11 12 > lapply(a.df, function(x) x+3) $X1 [1] 4 5 6 $X2 [1] 7 8 9 $X3 [1] 10 11 12 $X4 [1] 13 14 15 > lapply(a.df, function(x) sum(x)+3) $X1 [1] 9 $X2 [1] 18 $X3 [1] 27 $X4 [1] 36 > y< -lapply(a.df, function(x) sum(x)+3) > is.list(y) [1] TRUE > names(y) [1] "X1" "X2" "X3" "X4" > y $X1 [1] 9 $X2 [1] 18 $X3 [1] 27 $X4 [1] 36 > y[1] $X1 [1] 9 > y[[1]] [1] 9 > y$X1 [1] 9

(3)sapply

sapply(list, function, ..., simplify)

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

> yy< -sapply(a.df, function(x) x^2) > yy X1 X2 X3X4 [1,]1 16 49 100 [2,]4 25 64 121 [3,]9 36 81 144 > str(yy) num [1:3, 1:4] 1 4 9 16 25 36 49 64 81 100 ... - attr(*, "dimnames")=List of 2 ..$ : NULL ..$ : chr [1:4] "X1" "X2" "X3" "X4" > str(y) List of 4 $ X1: num 9 $ X2: num 18 $ X3: num 27 $ X4: num 36> yy< -sapply(a.df, function(x,y) x^2+y, y=3) > yy X1 X2 X3X4 [1,]4 19 52 103 [2,]7 28 67 124 [3,] 12 39 84 147> y1< -sapply(a.df, sum) > y1 X1 X2 X3 X4 6 15 24 33 > str(y1) Named int [1:4] 6 15 24 33 - attr(*, "names")= chr [1:4] "X1" "X2" "X3" "X4" > y1< -sapply(a.df, sum,simplify=F) > y1 $X1 [1] 6 $X2 [1] 15 $X3 [1] 24 $X4 [1] 33 > str(y1) List of 4 $ X1: int 6 $ X2: int 15 $ X3: int 24 $ X4: int 33

(4)mapply:mapply是sapply的多变量版本（multivariate sapply），Apply a Function to Multiple List or Vector Arguments

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

> mapply(function(x,y) x^y, c(1:5), c(1:5)) [1]1427256 3125 > a< -matrix(1:12,c(3,4)) > a [,1] [,2] [,3] [,4] [1,]14710 [2,]25811 [3,]36912 > mapply(sum, a[,1],a[,3],a[,4]) [1] 18 21 24> mapply(function(x,y,z) x^2+y+z, a[,1],a[,3],a[,4]) [1] 18 23 30

(5)

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

x是需要处理的向量，INDEX是因子(因子列表)，FUN是需要执行的函数，simplify指是否简化输入结果(考虑sapply对于lapply的简化)【R中的高效批量处理函数（lapply sapply apply tapply mapply）（转）】补充个因子函数gl，它可以很方便的产生因子，在方差分析中经常会用到

> gl(3,5)3是因子水平数，5是重复次数 [1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 Levels: 1 2 3 > gl(3,1,15)15是结果的总长度 [1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 Levels: 1 2 3> df < - data.frame(year=kronecker(2001:2003, rep(1,4)), loc=c(‘beijing‘,‘beijing‘,‘shanghai‘,‘shanghai‘), type=rep(c(‘A‘,‘B‘),6), sale=rep(1:12)) > df yearloc type sale 12001beijingA1 22001beijingB2 32001 shanghaiA3 42001 shanghaiB4 52002beijingA5 62002beijingB6 72002 shanghaiA7 82002 shanghaiB8 92003beijingA9 10 2003beijingB10 11 2003 shanghaiA11 12 2003 shanghaiB12 > tapply(df$sale,df[,c(‘year‘,‘loc‘)],sum) loc yearbeijing shanghai 200137 20021115 20031923 > tapply(df$sale,df[,c(‘type‘,‘loc‘)],sum) loc type beijing shanghai A1521 B1824