apply函数
作用：对矩阵的行或者列使用的函数，或者对数组的各个维度使用函数
语法：apply(x, MARGIN, FUN, ...)
x：格式为矩阵或者数组的数据源
MARGIN：=1时，表示对行使用函数；=2时，表示对列使用函数
FUN：函数，可以是系统自带的函数，也可以是自定义的函数
特点
> m1 <- matrix(1:20,4,5)
> m1
[,1] [,2] [,3] [,4] [,5]
[1,] 1 5 9 13 17
[2,] 2 6 10 14 18
[3,] 3 7 11 15 19
[4,] 4 8 12 16 20
##求出矩阵m1每一行的和
> apply(m1,1,sum)
[1] 45 50 55 60
> apply(m1, 2, sum)
[1] 10 26 42 58 74
##FUN也可以是自定义函数
> f1 <- function(x){x*100}
> apply(m1,1,f1)
[,1] [,2] [,3] [,4]
[1,] 100 200 300 400
[2,] 500 600 700 800
[3,] 900 1000 1100 1200
[4,] 1300 1400 1500 1600
[5,] 1700 1800 1900 2000
##因为1是对行作用函数，所以使用f1函数之后可以看到每列和原来每行数据的排序是一样的
##对数组的各个维度使用函数，以三位数组为例
> xname <- c('x1','x2')
> yname <- c('y1','y2','y3')
> zname <- c('z1','z2','z3','z4')
> a1 <- array(1:24,c(2,3,4),dimnames = list(xname,yname,zname))
> a1
, , z1
y1 y2 y3
x1 1 3 5
x2 2 4 6
, , z2
y1 y2 y3
x1 7 9 11
x2 8 10 12
, , z3
y1 y2 y3
x1 13 15 17
x2 14 16 18
, , z4
y1 y2 y3
x1 19 21 23
x2 20 22 24
> apply(a1,1,sum)
x1 x2
144 156
> apply(a1,2,sum)
y1 y2 y3
84 100 116
> apply(a1,3,sum)
z1 z2 z3 z4
21 57 93 129
##拓展：数据框dataframe也可以使用apply函数，apply函数会自动将数据框转换为矩阵，但是前提是数据框中各列的数据类型都必须为数值型，如果存在非数值型数据，那么将转换失败，使用apply时将出错，无法得到结果。
> d1 <- c(1,2,3,4)
> d2 <- c(10,20,30,40)
> df <- data.frame(d1,d2)
> df
d1 d2
1 1 10
2 2 20
3 3 30
4 4 40
> apply(df,2,sum)
d1 d2
10 100
#将dataframe中一个数据换成字母，再运行apply函数
> d1 <- c(1,2,3,a)
> df <- data.frame(d1,d2)
> apply(df,2,sum)
Error in FUN(newX[, i], ...) : invalid 'type' (character) of argument
lapply函数
作用：对列表中的各个元素使用函数
语法：lapply(x, FUN)
特点
##创建一个列表
> l1 <- list(v1 <- 1:10, m <- matrix(1:20,4,5))
> l1
[[1]]
[1] 1 2 3 4 5 6 7 8 9 10
[[2]]
[,1] [,2] [,3] [,4] [,5]
[1,] 1 5 9 13 17
[2,] 2 6 10 14 18
[3,] 3 7 11 15 19
[4,] 4 8 12 16 20
##求出列表中各个元素的和
> lapply(l1,sum)
[[1]]
[1] 55
[[2]]
[1] 210
sapply函数
作用：对列表中的各个元素使用函数
语法：sapply(x,FUN,...)
特点
> l1
[[1]]
[1] 1 2 3 4 5 6 7 8 9 10
[[2]]
[,1] [,2] [,3] [,4] [,5]
[1,] 1 5 9 13 17
[2,] 2 6 10 14 18
[3,] 3 7 11 15 19
[4,] 4 8 12 16 20
> sapply(l1,sum)
[1] 55 210
总结
网友评论