簡介
批量處理函數(shù)有很重要的apply族函數(shù)：lapply sapply apply tapply mapply瓜喇。這些函數(shù)底層通過C實現(xiàn)，效率比手工遍歷高效歉糜。apply族函數(shù)是高效能計算的運算向量化(Vectorization)實現(xiàn)方法之一乘寒，比起傳統(tǒng)的for,while常常能獲得更好的性能。

apply : 用于遍歷數(shù)組中的行或列匪补，并且使用指定函數(shù)來對其元素進行處理伞辛。
lapply : 遍歷列表向量內的每個元素烂翰，并且使用指定函數(shù)來對其元素進行處理。返回列表向量蚤氏。
sapply : 與lapply基本相同甘耿，只是對返回結果進行了簡化，返回的是普通向量竿滨。
mapply: 支持傳入兩個以上的列表佳恬。
tapply: 接入參數(shù)INDEX，對數(shù)據(jù)分組進行運算于游，就和SQL中的by group一樣毁葱。
apply函數(shù)
對矩陣、數(shù)據(jù)框贰剥、數(shù)組(二維倾剿、多維)等矩陣型數(shù)據(jù)，按行或列應用函數(shù)FUN進行循環(huán)計算蚌成，并以返回計算結果前痘。
apply(X, MARGIN, FUN, …)

X：數(shù)組、矩陣担忧、數(shù)據(jù)框等矩陣型數(shù)據(jù)
MARGIN：按行計算或按列計算芹缔，1表示按行，2表示按列
FUN：自定義的調用函數(shù)涵妥，如mean/sum等（其結果與colMeans,colSums,rowMeans,rowSums是一樣的）

a<-matrix(1:12,c(3,4))
a
[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12
apply(a,1,function(x) sum(x)+2)
[1] 24 28 32
apply(a,1,function(x) x^2)
[,1] [,2] [,3]
[1,] 1 4 9
[2,] 16 25 36
[3,] 49 64 81
[4,] 100 121 144

lapply函數(shù)
對列表乖菱、數(shù)據(jù)框按列進行循環(huán)，輸入必須為列表(list)蓬网，返回值為列表(list)窒所。
lapply(X, FUN, …)

X:列表、數(shù)據(jù)框
FUN:自定義的調用函數(shù)
b<-list(x = 1:10, y = matrix(1:12, 3, 4))
$x
[1] 1 2 3 4 5 6 7 8 9 10

x
[1] 55

$y
[1] 78
1
2
3
4
5
6

a=data.frame(matrix(1:12,c(3,4)))
a
X1 X2 X3 X4
1 1 4 7 10
2 2 5 8 11
3 3 6 9 12
names(a)
[1] "X1" "X2" "X3" "X4"
str(a)
'data.frame': 3 obs. of 4 variables:
X2: int 4 5 6
X4: int 10 11 12
lapply(a, function(x) x+3)
$X1
[1] 4 5 6

$X2
[1] 7 8 9

$X3
[1] 10 11 12

$X4
[1] 13 14 15

a1 <- lapply(a, function(x) sum(x)+3)
a1
$X1
[1] 9

$X2
[1] 18

$X3
[1] 27

$X4
[1] 36

a1[1]
$X1
[1] 9

a1[[1]]
[1] 9
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
sapply函數(shù)
類似于lapply函數(shù)帆锋，但輸入為列表(list)吵取，返回值為向量。
sapply(X, FUN, …,simplify )

X:列表锯厢、矩陣皮官、數(shù)據(jù)框
FUN:自定義的調用函數(shù)
simplify=F：返回值的類型是list，此時與lapply完全相同
simplify=T（默認值）：返回值的類型由計算結果定实辑，如果函數(shù)返回值長度為1捺氢，則sapply將list簡化為vector；如果返回的列表中每個元素的長度都大于1且長度相同剪撬，那么sapply將其簡化位一個矩陣

a=data.frame(matrix(1:12,c(3,4)))
a #"list"
X1 X2 X3 X4
1 1 4 7 10
2 2 5 8 11
3 3 6 9 12
str(a)
'data.frame': 3 obs. of 4 variables:
X2: int 4 5 6
X4: int 10 11 12
a2 <- lapply(a, function(x) x+3)
a2 #"list"
$X1
[1] 4 5 6

$X2
[1] 7 8 9

$X3
[1] 10 11 12

$X4
[1] 13 14 15

str(a2)
List of 4
X2: num [1:3] 7 8 9
X4: num [1:3] 13 14 15
a3 <- sapply(a, function(x) x^2)
a3 #"numeric"
X1 X2 X3 X4
[1,] 1 16 49 100
[2,] 4 25 64 121
[3,] 9 36 81 144
str(a3)
num [1:3, 1:4] 1 4 9 16 25 36 49 64 81 100 ...

• attr(*, "dimnames")=List of 2
  .. : chr [1:4] "X1" "X2" "X3" "X4"
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23
  24
  25
  26
  27
  28
  29
  30
  31
  32
  33
  34
  35
  36
  37
  38
  39
  40
  41
  42

b<-list(x = 1:10, y = matrix(1:12, 3, 4))
sapply(b, sum)
x y
55 78
1
2
3
4
sapply函數(shù)可提取列表中數(shù)據(jù)

y<-c("100-D","100-A","110-c","110-A")
z<-strsplit(y,"-")
sapply(z,"[",1) #提取列表第1個元素
sapply(z,"[",2) #提取列表中第2個元素
1
2
3
4
第一行：定義一個向量y
第二行：使用strsplit函數(shù)對向量y 按照“-”符號進行分割摄乒，得到一個列表z
第三行：使用sapply函數(shù)提取列表z的第1個和第2個位置元素，輸出結果如下：
1
2
3
[1] "100" "100" "110" "110"

sapply(z,"[",2) #提取列表中第2個元素
[1] "D" "A" "c" "A"
1
2
3
mapply函數(shù)
mapply是sapply的多變量版本（multivariate sapply）。
mapply(FUN, …, MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)

a <- mapply(function(x,y) x^y, c(1:5), c(1:5))
a
[1] 1 4 27 256 3125
mode(a)
[1] "numeric"
str(a)
num [1:5] 1 4 27 256 3125
names(a)
NULL
b<-matrix(1:12,c(3,4),dimnames=list(c("a","b","c"),c("A","B","C","D")))
b
A B C D
a 1 4 7 10
b 2 5 8 11
c 3 6 9 12
mapply(sum, b[,1],b[,3],b[,4])

a b c
18 21 24

mapply(sum,b[1,],b[2,],b[3,])
A B C D
6 15 24 33
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
tapply函數(shù)
將數(shù)據(jù)按照不同方式分組馍佑，生成類似列聯(lián)表形式的數(shù)據(jù)結果斋否。
tapply(X, INDEX, FUN = NULL, …, default = NA, simplify = TRUE)

X:數(shù)組、矩陣拭荤、數(shù)據(jù)框等分割型數(shù)據(jù)向量
INDEX:一個或多個因子的列表(因子列表)茵臭，每個因子的長度都與x相同
FUN: 自定義的調用函數(shù)
simplify指是否簡化輸入結果(考慮sapply對于lapply的簡化)
代碼舉例

manager <- c(1, 2, 3, 4, 5)
country <- c("US", "US", "UK", "UK", "UK")
gender <- c("M", "F", "F", "M", "F")
age <- c(32, 45, 25, 39, 99)
leadership <- data.frame(manager, country, gender, age)
tapply(leadershipcountry, mean) #求在不同country水平下的age的均值

tapply(leadershipcountry, leadership$gender), mean) #求在不同country和gender交叉水平下的age的均值， 輸出得到矩陣數(shù)據(jù)
1
2
3
4
5
6
7
8
輸出結果

 UK       US 

54.33333 38.50000

F  M

UK 62 39
US 45 32
————————————————