R语言实现循环loop的函数解读（带练习）

循环在处理数据的时候非常重要，但不得不说写function的时候还是得绕不少弯路，好在现在R语言有非常多函数可以直接使用，带来不少便利。在学习写looping function 的时候，可以先熟练掌握了以下向量化操作apply、tapply、lapply、sapply、mapply的函数，然后再自己尝试写自己的：

lapply	lapply(X,FUN,...) ,注意：若X不是列表，但会被强制as.list
sapply	sapply(X, FUN,..., simplify = TRUE, USE.NAMES = TRUE) ；与Lapply相似，或者说是lapply的衍生
apply	apply(X, MARGIN, FUN, ...)，把FUN用到array的特定margins
tapply	tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)，专门用来处理分组数据的
mapply	mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE,USE.NAMES = TRUE) ，mapply是sapply的变形

#下面使用R自带的数据来实践：
> library(datasets)
> data(iris)
#在使用这个iris之前，建议大家可以先看看这个数据的具体情况
> ?iris

lapply：

lapply(list, function)

function (X, FUN, ...) 
{
    FUN <- match.fun(FUN)
    if (!is.vector(X) || is.object(X)) 
        X <- as.list(X)
    .Internal(lapply(X, FUN))
}
<bytecode: 0x000000000263dea8>
<environment: namespace:base>

lapply的返回值是和一个和X有相同的长度的list对象，这个list对象中的每个元素是将函数FUN应用到X的每一个元素。其中X为List对象（该list的每个元素都是一个向量），其他类型的对象会被R通过函数as.list()自动转换为list类型。

lappy()的处理对象是向量、列表或其它对象，它将向量中的每个元素作为参数，输入到处理函数中，最后生成结果的格式为列表。在R中数据框是一种特殊的列表，所以数据框的列也将作为函数的处理对象。

试一下lapply来求'Sepal.Length'的平均值（mean）

 lapply(iris, mean)

返回的是

$Sepal.Length
[1] 5.843333

$Sepal.Width
[1] 3.057333

$Petal.Length
[1] 3.758

$Petal.Width
[1] 1.199333

$Species
[1] NA

sapply

> sapply
function (X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) 
{
    FUN <- match.fun(FUN)
    answer <- lapply(X = X, FUN = FUN, ...)
    if (USE.NAMES && is.character(X) && is.null(names(answer))) 
        names(answer) <- X
    if (!identical(simplify, FALSE) && length(answer)) 
        simplify2array(answer, higher = (simplify == "array"))
    else answer
}
<bytecode: 0x0000000015568688>
<environment: namespace:base>

sapply和lapply返回值是一样的。但参数simplify=T，其返回值就不是list，而是matrix；相反，simplify=F，其返回值还是list。

仍用求iris每个量的mean来看一下区别：

> sapply(iris,mean)
Sepal.Length  Sepal.Width 
    5.843333     3.057333 
Petal.Length  Petal.Width 
    3.758000     1.199333 
     Species 
          NA

> sapply(iris,mean,simplify = F)
$Sepal.Length
[1] 5.843333

$Sepal.Width
[1] 3.057333

$Petal.Length
[1] 3.758

$Petal.Width
[1] 1.199333

$Species
[1] NA

apply

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

其中X是array；MARGIN是向量（表示要将函数FUN应用到X的行还是列），若为1表示取行，为2表示取列，为c(1,2)表示行、列都计算。apply()函数的处理对象是矩阵或数组，它逐行或逐列的处理数据，其输出的结果将是一个向量或是矩阵。下面的例子即对一个随机矩阵求每一行的均值。要注意的是apply与其它函数不同，它并不能明显改善计算效率，因为它本身内置为循环运算。

为了方便理解，举个函数的例子：

rowSums = apply(x, 1, sum)
rowMeans = apply(x, 1, mean)
colSums = apply(x, 2, sum)
colMeans = apply(x, 2, mean)

或者大家可以直接使用iris3来尝试一下不同的结果:

tapply

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

用于分组统计（index）

其中X通常是一向量；INDEX是一个list对象，且该list中的每一个元素都是与X有同样长度的因子；FUN是需要计算的函数；simplify是逻辑变量，若取值为TRUE（默认值），且函数FUN的计算结果总是为一个标量值，那么函数tapply返回一个数组；若取值为FALSE，则函数tapply的返回值为一个list对象。需要注意的是，当第二个参数INDEX不是因子时，函数 tapply() 同样有效，因为必要时 R 会用 as.factor()把参数强制转换成因子。

tapply()的功能则又有不同，它是专门用来处理分组数据的，其参数要比sapply多一个。我们以iris数据集为例，可观察到Species列中存放了三种花的名称，我们的目的是要计算三种花瓣萼片宽度的均值。其输出结果是数组格式。

> tapply(1:17, fac, sum)
 1  2  3  4  5
51 57 45 NA NA
> tapply(1:17, fac, sum, simplify = FALSE)
$`1`
[1] 51


$`2`
[1] 57


$`3`
[1] 45


$`4`
NULL


$`5`
NULL
> tapply(1:17, fac, range)
$`1`
[1]  1 16


$`2`
[1]  2 17


$`3`
[1]  3 15


$`4`
NULL


$`5`
NULL

更多的练习可以参照：R Programming Week 3 Quiz & Ans