R语言基础学习记录4：重要函数

时间： 2018-07-18(学习) 2018-07-22(学习记录)
教程：慕课网 《R语言基础》 讲师：Angelayuan
补充内容： R语言常用函数总结大全、gl()函数
学习内容：课程第四章：重要函数的使用

---

重要函数

1.lapply & sapply

如：
str()函数，structure，紧凑地显示对象内部结构，即对象里有什么。

> str(lapply)
function (X, FUN, ...) 

> x <- list(a=1:10, b=c(11,21,31,41,51))
> x
$`a`
 [1]  1  2  3  4  5  6  7  8  9 10

$b
[1] 11 21 31 41 51

> lapply(x,mean)  # 对列表x中的每个元素求平均
$`a`
[1] 5.5

$b
[1] 31

> class(lapply(x,mean))
[1] "list"

可以看出，lapply()函数返回的对象类型为列表。

> x1 <- 1:4   # runif 默认从(0,1)中抽取
> runif(5)
[1] 0.88503752 0.06881155 0.38453875 0.54453272 0.36140365

> lapply(x1, runif)
[[1]]
[1] 0.4489252

[[2]]
[1] 0.4759847 0.4693249

[[3]]
[1] 0.9319213 0.8022253 0.8239708

[[4]]
[1] 0.60829270 0.59905232 0.07741152 0.83186815

> class(lapply(x1, runif))
[1] "list"

可以看出，该程序的实质是对x1中的每一个元素使用runif函数，runif函数中的参数即为x1中的元素内容。返回的对象是一个列表。

> lapply(x1, runif,min=0,max=100)
[[1]]
[1] 77.53334

[[2]]
[1] 19.071435  5.407963

[[3]]
[1] 75.00840 89.83947 19.51815

[[4]]
[1] 66.83073 92.35758 42.35655 30.18025

对x1使用runif函数，”min=0,max=100”作用于runif函数，意思为，使抽取的最小值为0，最大值为100。

> x2 <- list(a=matrix(1:6,2,3),b=matrix(4:7,2,2))
> x2
$`a`
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

$b
     [,1] [,2]
[1,]    4    6
[2,]    5    7

> lapply(x2,function(m) m[1,])
$`a`
[1] 1 3 5

$b
[1] 4 6

对x2使用function(m)函数，function(m)函数的作用是抽取m的矩阵的第一行，格式为lapply(对象，函数名 函数内容)。

> sapply(x,mean)
   a    b 
 5.5 31.0 
> class(sapply(x,mean))
[1] "numeric"

可以看出，sapply函数与lapply的作用基本一致，但所得结果与lapply函数结果相比较为简单。

2.apply

apply函数是对数组对象沿着其某一维度进行数据处理的函数，其格式为：apply(数组/数组名，维度，函数/函数名)。
如：

> x <- matrix(1:16,4,4)
> x
     [,1] [,2] [,3] [,4]
[1,]    1    5    9   13
[2,]    2    6   10   14
[3,]    3    7   11   15
[4,]    4    8   12   16
> apply(x,2,mean)   # 对矩阵x的列求平均
[1]  2.5  6.5 10.5 14.5
> apply(x,1,sum)   # 对矩阵x的行求和
[1] 28 32 36 40
> class(apply(x,2,mean))
[1] "numeric"

可以看出，apply函数返回的对象是数值型。矩阵的第1个维度为行，第2个维度为列。

rowSums函数、rowMeans函数、colSums函数和colMeans函数是对矩阵进行求平均，求和的函数，作用分别为：对行求和、对行求平均、对列求和、对列求平均。例：

> rowSums(x)
[1] 28 32 36 40
> rowMeans(x)
[1]  7  8  9 10
> colSums(x)
[1] 10 26 42 58
> colMeans(x)
[1]  2.5  6.5 10.5 14.5

> x1 <- matrix(rnorm(100),10,10)

rnorm(100) ：从正态总体中抽取100个数。

> x2 <- as.vector(x1)

将x1转化为一个向量，R默认按先列后行的顺序，如果想要按行转化，应输入x2 <-

as.vector(t(x1))[-length(x1)]。
> quantile(x1)
         0%         25%         50%         75%        100% 
-2.52188938 -0.75854793  0.01278413  0.50218606  2.53157675 
> quantile(x2)
         0%         25%         50%         75%        100% 
-2.52188938 -0.76862008 -0.03151691  0.51595128  2.53157675 

可以看出，直接对一个矩阵使用quantile函数，其实质就是对矩阵中所有元素求百分位数，如果想要对每一行或列分别求百分位数，需要使用apply函数。

对x1的每行分别求25%分位点和75%分位点：

> apply(x1,1,quantile,probs=c(0.25,0.75))
          [,1]       [,2]       [,3]       [,4]       [,5]       [,6]
25% -0.7858875 -0.2201546 -0.6949031 -0.5816118 -0.8659978 -0.8314179
75%  0.1181953  0.3378439  0.4806605  0.5125266  0.3238839  0.4293929
          [,7]       [,8]       [,9]      [,10]
25% -1.0360972 -0.5325346 -0.8300560 -0.6952302
75%  0.3289841  1.3373911  0.8246093  1.1712271

> class(apply(x1,1,quantile,probs=c(0.25,0.75)))
[1] "matrix"
> x2 <- array(rnorm(2*3*4),c(2,3,4))
> apply(x2,c(1,2),mean)
           [,1]        [,2]       [,3]
[1,] -0.1303495 -0.15920508 -0.3258256
[2,] -0.4381158 -0.03596368 -0.1235411
> apply(x2,c(1,3),mean)
           [,1]      [,2]        [,3]       [,4]
[1,]  0.1140517 0.6003327 -0.15505303 -1.3798382
[2,] -0.7958814 0.1819626  0.07241478 -0.2553234
> apply(x2,c(2,3),mean)
             [,1]        [,2]       [,3]       [,4]
[1,] -0.005381797  0.63799949 -0.5805872 -1.1889610
[2,] -0.832683878  0.54533972  0.7107023 -0.8136957
[3,] -0.184678873 -0.00989629 -0.2540725 -0.4500857

3.mapply

mapply是lapply的多元版本，格式为：mapply(函数/函数名，数据，函数相关的参数)。
如：

> 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

> mapply(rep,1:4,4:1)
[[1]]
[1] 1 1 1 1

[[2]]
[1] 2 2 2

[[3]]
[1] 3 3

[[4]]
[1] 4

可以看出，使用该程序生成列表与直接使用list函数套用rep函数返回的结果是一样的，mapply函数中第一个参数是 rep函数，第二个参数是rep函数的第一个参数，即返回对象的数据内容，第三个参数是rep函数的第二个参数，即重复次数。

建立一个函数，函数名为s，有三个参数，内容是从随机总体中抽取n个数，函数的第一个参数是抽取的数据的数量n，第二、三个参数分别是总体的均值和方差：

> s <- function(n, mean, std)
   {
   rnorm(n, mean, std)
  }

> s(4,0,10)
[1]  6.187130 12.654355  6.864007 -5.914964
> mapply(s,1:5,5:1,2)
[[1]]
[1] 4.391382

[[2]]
[1] 6.527374 5.407532

[[3]]
[1] 3.110394 2.861490 1.062697

[[4]]
[1] 1.0589855 0.4850307 1.8892080 2.5943264

[[5]]
[1]  1.4702287 -0.6490873  3.1964053  3.4455908  2.3174738

> class(mapply(s,1:5,5:1,2))
[1] "list"

可以看出，上述程序的作用是生成一个列表，第一个元素是从均值为1，标准差为2的随机总体中抽取1个数，第二个元素是从均值为2，标准差为2的随机总体中抽取2个数。

> list(s(1,5,2),s(2,4,2),s(3,3,2),s(4,2,2),s(5,1,2))
[[1]]
[1] 2.974112

[[2]]
[1] 7.391563 2.021349

[[3]]
[1] 1.011845 5.978735 5.310789

[[4]]
[1] 4.662467 1.260659 3.953015 3.240760

[[5]]
[1]  3.8650932 -0.4452322  1.4689271  0.8915785  0.2668686

4.tapply

tapply函数对向量的子集进行操作，格式为：tapply(向量，因子/因子列表，函数/函数名)。
如：

> x <- c(rnorm(5),runif(5),rnorm(5,1))
> x
 [1]  0.59968952 -0.43799554 -1.88220634 -0.01000788 -1.40232262  0.21686806
 [7]  0.67216713  0.87636971  0.81726776  0.16794590  0.67250517  0.80001548
[13] -0.11893751  1.80148422  1.95975380

x为一个向量，其中前五个数来自于正态分布，中间五个来自于均匀分布，最后五个来自于均值为1，标准差为0的正态分布

按级别对x进行求均值，x的级别与f中各级别位置一一对应，即每5个数为一个级别，gl函数的具体用法在本文附录部分有补充。例：

> f <- gl(3,5)   # 生成三个级别，每个级别5个数
> f
 [1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3
Levels: 1 2 3
> class(f)
[1] "factor"
> tapply(x,f,mean)
         1          2          3 
-0.6265686  0.5501237  1.0229642 

> tapply(x,f,mean,simplify = FALSE)
$`1`
[1] -0.6265686

$`2`
[1] 0.5501237

$`3`
[1] 1.022964

tapply函数默认生成紧凑形式，在函数中添加参数”simplify = FALSE”可以得到一个没有化简的列表。

> class(tapply(x,f,mean))
[1] "array"
> class(tapply(x,f,mean,simplify = FALSE))
[1] "array"

可以看出，不管是不是紧凑格式，tapply函数生成的均为数组。

5.分类（split函数）

split函数根据因子或因子列表将向量或其他对象分组，通常用与lapply函数一起使用，格式为split(向量/列表/数据框，因子/因子列表)。
如：

> x <- c(rnorm(5),runif(5),rnorm(5,1))
> x
 [1]  1