R語言最優秀的是它的向量化編程，這其中apply族函數扮演了非常重要的角色。apply族函數是由apply、sapply、lapply、mapply、tapply等函數組成的。熟練使用apply族函數，能夠簡化程序，提高代碼的運算速度。
軟件&環境
- win10 64bit
- R 3.6.1
apply
apply是最基本的函數。為了方便演示，選取了R自帶的數據框mtcars的前4行和前5列，并賦值給data。a1返回的結果是data數據每一行的和，由于每行都有一個和，所以a1是4個元素組成的數值向量。a2返回的結果是data數據每一列的均值，同樣，a2是5個元素組成的數值向量。
# 獲取內置數據
data <- mtcars[1:4,1:5]
print(data)
## mpg cyl disp hp drat
## Mazda RX4 21.0 6 160 110 3.90
## Mazda RX4 Wag 21.0 6 160 110 3.90
## Datsun 710 22.8 4 108 93 3.85
## Hornet 4 Drive 21.4 6 258 110 3.08
# 對數據框每行求和
a1 <- apply(data,1,sum)
print(a1)
## Mazda RX4 Mazda RX4 Wag Datsun 710 Hornet 4 Drive
## 300.90 300.90 231.65 398.48
# 對數據框每列求均值
a2 <- apply(data,2,mean)
print(a2)
## mpg cyl disp hp drat
## 21.5500 5.5000 171.5000 105.7500 3.6825apply函數的第一個參數表示數據，第二個參數表示維度（1表示行，2表示列），第三個參數表示在維度上操作的函數。需要注意的是第三個參數，用作演示的函數是R自帶的函數（sum、mean），當然，這里也可以是自己定義的函數。
# 自定義函數(求極差)
func <- function(x){result <- diff(range(x))return(result)
}
# 對數據框每列求極差
a3 <- apply(data,2,func)
print(a3)
## mpg cyl disp hp drat
## 1.80 2.00 150.00 17.00 0.82sapply
sapply的用法比apply要更靈活一些，同樣，用data做演示。計算數據框data每列的數據范圍，用sapply進行計算，返回的結果存儲在s1里，sapply第一個參數是需要計算的數據框，第二個參數是函數，第三個參數simplify=T（默認）代表返回的結果簡化表示，s1的數據格式為矩陣。
s1 <- sapply(data,range,simplify = T)
class(s1)
## [1] "matrix"如果不想讓計算的結果自動合并成矩陣，可以設置simplify=F，將返回一個列表，列表的每個組件包含了data數據框每列的range函數計算結果。
s2 <- sapply(data,range,simplify = F)
class(s2)
## [1] "list"sapply一個更常見的用法是針對列表的組件進行操作。例如有n個數據框，對每個數據框都要進行相同的操作，常規方法用循環遍歷，但操作體驗差，速度慢，更優的解決方案是：先對單個數據框定義處理函數，然后用sapply對所有數據框采取相同操作。
# 定義一個數據框組成的list
df_list <- list(a=mtcars[1:3,1:4],b=airquality[1:3,1:4],c=iris[1:3,1:4])
# 自定義函數（求數據框歐氏距離的最大值）
max_func <- function(x){d <- dist(x,p=2)return(max(d))
}
# sapply對每個數據框計算
s3 <- sapply(df_list,max_func)
print(s3)
## a b c
## 54.7744466 72.3488770 0.5385165lapply
lapply的用法與sapply基本相同，只不過返回的結果是以list儲存的。
# 求每一列的均值
l1 <- lapply(data,mean)
print(l1)
## $mpg
## [1] 21.55
##
## $cyl
## [1] 5.5
##
## $disp
## [1] 171.5
##
## $hp
## [1] 105.75
##
## $drat
## [1] 3.6825
class(l1)
## [1] "list"mapply
mapply在sapply和lapply的基礎上進行了拓展，可以應用在多個變量上。a、b、c三個數值向量，第一次需要計算1*2*3，第二次需要計算2*3*4，...，以此類推。當需要每次變化的變量有多個時，用mapply計算更方便快捷。
a <- 1:5
b <- 2:6
c <- 3:7
m1 <- mapply(prod,a,b,c)
print(m1)
## [1] 6 24 60 120 210tapply
tapply主要用在分組計算上。分組計算是常見的數據處理操作，能夠處理分組計算的函數也不少，tapply的優勢是簡單便捷。
# 數據框
group_df <- data.frame(value=1:6,label=rep(c("a","b"),3,each=1))
print(group_df)
## value label
## 1 1 a
## 2 2 b
## 3 3 a
## 4 4 b
## 5 5 a
## 6 6 b
# 按照label分組計算value和
t1 <- tapply(X =group_df$value,INDEX = group_df$label,sum)
print(t1)
## a b
## 9 12http://weixin.qq.com/r/mShLU4rECNd3rc4w932L (二維碼自動識別)
