数据科学04 | R语言程序设计-循环函数

R中主要的循环函数（loop functions）有 lapply( )、sapply( )、apply( )、tapply( ) 和 mapply( )。 

lapply( )

lapply( )对列表中每个元素，包括各种类型的对象（向量、矩阵、数据框等），运用函数，返回一个新的列表。

lapply
function (X, FUN, ...) 
{
    FUN <- match.fun(FUN)
    if (!is.vector(X) || is.object(X)) 
        X <- as.list(X)  
    .Internal(lapply(X, FUN))
}
<bytecode: 0x7fde85867b90>
<environment: namespace:base>

1. 参数X是一个列表，X不是列表时会被as.list( )强制转化为列表，如果不能转化将报错

2. 参数FUN，对列表里每个元素做运算的函数

3. 其余的参数可用参数...传递给函数FUN

x <- list(a = 1:4, b = rnorm(10), c = rnorm(20, 1), d = rnorm(100, 5)) 
lapply(x, mean)
$a
[1] 2.5

$b
[1] 0.3474802

$c
[1] 0.937003

$d
[1] 4.957727
#返回列表和原列表有相同的元素名a和b

x<-1:4
lapply(x, runif, min = 0, max = 10)
[[1]]
[1] 1.621091

[[2]]
[1] 4.75397920 0.01932835

[[3]]
[1] 4.414591 2.609297 9.384137

[[4]]
[1] 7.158333 1.630855 4.761880 6.902567
#runif(x)函数生成x个服从均匀分布的随机变量组成的向量
#对x调用lapply()，给runif()函数传递参数，指定生成介于0到10之间的随机数

lapply( ) 和相关循环函数可以传入匿名函数给参数FUN，不需要定义函数名称。

例：提取矩阵的第一列  

x <- list(a = matrix(1:4, 2, 2), b = matrix(1:6, 3, 2)) 
x
$a
     [,1] [,2]
[1,]    1    3
[2,]    2    4

$b
     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6

lapply(x, function(elt) elt[,1])
$a
[1] 1 2

$b
[1] 1 2 3

sapply( )

sapply( )可以简化lapply( )的结果。  

• 如果结果列表中每个元素长度都为1，sapply( ) 返回一个包含所有元素的向量  

• 如果结果列表中每个元素都是等长的向量， sapply( ) 返回矩阵

• 如果无法简化对象，sapply( ) 直接返回列表  

x <- list(a = 1:4, b = rnorm(10), c = rnorm(20, 1), d = rnorm(100, 5)) 
lapply(x, mean)
$a
[1] 2.5

$b
[1] 0.2616772

$c
[1] 1.054757

$d
[1] 5.055208

sapply(x, mean)
        a         b         c         d 
2.5000000 0.2616772 1.0547574 5.0552082

mean(x)
[1] NA
Warning message:
In mean.default(x) : 参数不是数值也不是逻辑值：回覆NA
#mean函数不适用于列表，对列表本身使用mean()函数将报错

apply( )

apply( )对数组的各个维度（如行或列）进行运算。

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

1. 参数x是一个数组；
2. 参数MARGIN是整数向量，指明对数组的运用函数的维度
    如MARGIN=1表示对二维数组的行运算，2表示对二维数组的列进行运算

x <- matrix(rnorm(200), 20, 10) #创建了一个20行10列的矩阵
apply(x, 2, mean) #对矩阵中每列求平均值
[1]  0.07982867  0.05471546  0.04272418 -0.07888251 -0.43758027  0.12137198  0.05869929
[8] -0.24674699  0.21602219 -0.33674517
#得到一个长度为10的向量，这个向量是矩阵中每个列的平均值

apply(x, 1, sum) #对每行求和
 [1]  1.3538445 -7.9108873  0.4657281 -2.2937298 -4.8767536 -5.6521484  2.1168591 -3.8917693
 [9] -2.3622401  5.3025761 -4.2599949  2.3621288 -0.8809210 -2.6845400  4.9910454 -0.2658782
[17]  5.4142552 -1.7345767 -1.2493809  5.5245197

可以直接使用经过优化的专用函数求和、求平均值：

• rowSums = apply(x, 1, sum)

• rowMeans = apply(x, 1, mean)

• colSums = apply(x, 2, sum)

• colMeans = apply(x, 2, mean)  

例：对数组求平均值  

a[,,1]
          [,1]       [,2]
[1,] -1.138137  0.4264642
[2,]  1.253815 -0.2950715

apply(a, c(1, 2), mean) #保留数组的第1、2维求平均值
           [,1]      [,2]
[1,] -0.1066356 0.1550131
[2,] -0.2499600 0.1434852

rowMeans(a, dims = 2)
           [,1]      [,2]
[1,] -0.1066356 0.1550131
[2,] -0.2499600 0.1434852

mapply( )

mapply( ) 以一种并行的方式对多个列表的元素进行运算，是lapply( )的多变量版本。

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

1. ... 参数接收传递多个列表数据作为参数传递给FUN

2. MoreArgs:：参数列表  

3. SIMPLIFY：设置结果是否要被简化

4. USE.NAMES：如果X为字符串，TRUE设置字符串为数据名

list(rep(1, 4), rep(2, 3), rep(3, 2), rep(4, 1))
[[1]]
[1] 1 1 1 1

[[2]]
[1] 2 2 2

[[3]]
[1] 3 3

[[4]]
[1] 4
#用rep()将1重复4次，将2重复3次，将3重复2次，将4重复1次输入
#list()将所有结果以列表形式返回

mapply(rep, 1:4, 4:1)

mapply( )函数依次将从1到4作为第一个参数，从4到1作为第二个参数传递给rep( )函数，返回相同的结果。

例：应用mapply( )生成一个均值为1的随机变量，两个均值为2的随机变量，三个均值为3的随机变量等等

#定义noise()函数生成一些正态随机噪音，有三个参数：观测数、均值以及标准差
noise <- function(n, mean, sd) { 
  rnorm(n, mean, sd)
} 
noise(5, 1, 2)
[1]  0.6441040  0.1480373  2.9933176  2.4553214 -2.4532612
#生成5个均值为1，标准差为2的正态随机变量

noise(1:5, 1:5, 2)
[1]  1.7067970  3.4536273  4.3365220 -0.8486346  4.5292851  
#向noise()传递一个由参数组成的向量，会得到一个长度为5的向量，无法得到预期结果

mapply(noise, 1:5, 1:5, 2)
[[1]]
[1] 4.959267

[[2]]
[1]  3.593589 -1.418552

[[3]]
[1] -0.3273374  3.9822191  2.6518890

[[4]]
[1] 5.922581 4.587653 4.161999 4.367324

[[5]]
[1] 5.332510 2.460802 9.698987 2.175989 4.966077

mapply( )函数依次将三个参数 1:5、1:5、2传递给noise( )函数运算得到预期结果。

tapply( )

tapply( )，table apply( ) 的缩写，将函数应用于向量的子集。

str(tapply)
function (X, INDEX, FUN = NULL, ..., default = NA, simplify = TRUE)

1. X是一个数值或者其它类型的向量  

2. INDEX是另一个长度与第一个向量相同的向量，用来表明第一个向量中的各元素分别属于哪一组

3. simplify设置结果是否要被简化

x <- c(rnorm(10), runif(10), rnorm(10, 1)) 
#生成10个均值为0的正态随机变量、10个均匀随机变量以及10个均值为1的正态随机变量

f<-gl(3,10) 
f
[1] 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3
Levels: 1 2 3
#gl()函数创建因子变量，因子变量有三个水平，每个水平会重复十次，表明观测值分别属于哪个组

tapply(x, f, mean) #将x按分组子集求均值
        1         2         3 
0.3586938 0.6950377 0.7174120

tapply(x, f, mean, simplify = FALSE)
$`1`
[1] 0.3586938

$`2`
[1] 0.6950377

$`3`
[1] 0.717412
#不简化结果得到的是一个列表

#可以计算一些更加复杂的统计量，计算观测值的范围
tapply(x, f, range)
$`1`
[1] -1.042507  2.236323

$`2`
[1] 0.01919943 0.99887748

$`3`
[1] -1.371023  1.933389

split( )

split( )将对象分组，和lapply( )或sapply( )结合应用。

str(split)
function (x, f, drop = FALSE, ...)    

1. x为一个向量或列表、数据框

2. f为因子变量

3. drop指示空因子水平是否去掉  

#加载airquality数据集
library(datasets) 
head(airquality)
  Ozone Solar.R Wind Temp Month Day
1    41     190  7.4   67     5   1
2    36     118  8.0   72     5   2
3    12     149 12.6   74     5   3
4    18     313 11.5   62     5   4
5    NA      NA 14.3   56     5   5
6    28      NA 14.9   66     5   6

#将数据框按因子变量Month分组
s <- split(airquality, airquality$Month)
#联合lapply()按月计算平均值
lapply(s, function(x) colMeans(x[, c("Ozone", "Solar.R", "Wind")]))
$`5`
   Ozone  Solar.R     Wind 
      NA       NA 11.62258

$`6`
   Ozone   Solar.R      Wind 
      NA 190.16667  10.26667

$`7`
   Ozone    Solar.R       Wind 
      NA 216.483871   8.941935

$`8`
   Ozone  Solar.R     Wind 
      NA       NA 8.793548

$`9`
   Ozone  Solar.R     Wind 
      NA 167.4333  10.1800 
#Ozone和Solar.R变量有缺失值，导致无法计算平均值

#调用sapply()简化返回的结果
sapply(s, function(x) colMeans(x[, c("Ozone", "Solar.R", "Wind")]))
               5         6          7        8        9
Ozone         NA        NA         NA       NA       NA
Solar.R       NA 190.16667 216.483871       NA 167.4333
Wind    11.62258  10.26667   8.941935 8.793548  10.1800

#给colMeans()传递na.rm参数，在计算平均值之前移除每列的缺失值
sapply(s, function(x) colMeans(x[, c("Ozone", "Solar.R", "Wind")], na.rm = TRUE))
                5         6          7          8         9
Ozone    23.61538  29.44444  59.115385  59.961538  31.44828
Solar.R 181.29630 190.16667 216.483871 171.857143 167.43333
Wind     11.62258  10.26667   8.941935   8.793548  10.18000

观察不同因子组合产生的不同水平：

x <- rnorm(10) 
f1<-gl(2,5) #2个因子水平，重复5次
f2<-gl(5,2) #5个因子水平，重复2次
f1
 [1] 1 1 1 1 1 2 2 2 2 2
Levels: 1 2
f2
 [1] 1 1 2 2 3 3 4 4 5 5
Levels: 1 2 3 4 5

interaction(f1, f2)
 [1] 1.1 1.1 1.2 1.2 1.3 2.3 2.4 2.4 2.5 2.5
Levels: 1.1 2.1 1.2 2.2 1.3 2.3 1.4 2.4 1.5 2.5
#interaction()函数可以组合所有的因子水平，有10种不同水平的组合

#向split()函数直接传递一个包含两个因子变量的列表，会自动调用interaction()
str(split(x, list(f1, f2)))
List of 10
 $ 1.1: num [1:2] 0.922 2.05
 $ 2.1: num(0) 
 $ 1.2: num [1:2] -0.491 -2.309
 $ 2.2: num(0) 
 $ 1.3: num 1.01
 $ 2.3: num -0.709
 $ 1.4: num(0) 
 $ 2.4: num [1:2] -0.688 1.026
 $ 1.5: num(0) 
 $ 2.5: num [1:2] -0.285 -1.221
#尽管有10种不同水平的组合，但不一定会在每个水平上都进行观测，某些水平会没有观测值

#drop=TRUE去掉所有在分组过程中观测值为空的因子水平
str(split(x, list(f1, f2), drop = TRUE))
List of 6
 $ 1.1: num [1:2] 0.922 2.05
 $ 1.2: num [1:2] -0.491 -2.309
 $ 1.3: num 1.01
 $ 2.3: num -0.709
 $ 2.4: num [1:2] -0.688 1.026
 $ 2.5: num [1:2] -0.285 -1.221

相关阅读