自学R语言(十一）-R语言中向量化操作的相关函数的学习

caolong

2019年4月14日

R 我们在日常的数据分析过程中，经常要进行循环的操作。但是在R语言中，for循环的效率低下，如果是数据量比较大的情况下，可能会花费比较多的时间。因此，我们可以使用向量化操作来代替循环。向量化可以理解为高效的循环。

我们主要讲解基础包中的： 1.lapply 2.sapply 3.apply 4.tapply 5.aggregate 6.doBy::summaryBy 7.split #1.基础包 ##1.1-lapply（对列表,数据框进行循环） ###Lapply返回一个列表, 并无视输入变量的类型

x <- list(a=1:5, b=rnorm(10),c=rnorm(20,1),d=rnorm(100,5))
lapply(x,mean)#结果为一个列表

## $a
## [1] 3
## 
## $b
## [1] -0.00473966
## 
## $c
## [1] 1.198488
## 
## $d
## [1] 4.94543

knitr::opts_chunk$set(echo = TRUE)

1.2-sapply(简化lapply函数返回的结果)

1.若结果是一个list，且每个元素长度为1，则会返回一个

向量 ###2.若结果是一个list，且每个元素长度为大于1，则会返回 一个矩阵 ###3.若其他复杂的结果，会返回一个向量

x <- list(a=1:5,b=rnorm(10),c=rnorm(20,1),d=rnorm(100,5))
sapply(x,mean)

##          a          b          c          d 
##  3.0000000 -0.2180703  1.2204910  4.9628198

knitr::opts_chunk$set(echo = TRUE)

1.3-apply此函数经常被用于对矩阵的行或列进行指定目的的循环

1.可以被用于多个数组的循环

2.该函数作用于一行进行循环

x<-matrix(rnorm(24),4,6)
apply(x,1,sum) #对行，此处是简写其实本质是MARGIN=1

## [1]  1.7468117 -0.4684263 -2.6264194 -2.2550619

apply(x,2,mean) #对列,此处是简写其实本质是MARGIN=2

## [1]  0.4134592 -0.3323806 -0.2345993 -0.3044445 -0.2624670 -0.1803418

knitr::opts_chunk$set(echo = TRUE)

1.4 tapply(适用于数据框的一个连续变量做分组描述统计)

x<-c(rnorm(10),runif(10),rnorm(10,1))
group <- rep(1:3,each=10)
a <- data.frame(x=x,group=group)
a

##              x group
## 1  -0.14409365     1
## 2  -0.18574981     1
## 3  -0.72858991     1
## 4   0.28562046     1
## 5  -0.98111509     1
## 6   0.40507215     1
## 7   1.73524405     1
## 8   1.30026779     1
## 9  -0.16269420     1
## 10 -0.55332117     1
## 11  0.86508506     2
## 12  0.48553627     2
## 13  0.06496029     2
## 14  0.48918472     2
## 15  0.26840462     2
## 16  0.13526884     2
## 17  0.39505141     2
## 18  0.27805844     2
## 19  0.37989480     2
## 20  0.22612703     2
## 21  1.22601935     3
## 22  1.58276549     3
## 23  1.14964324     3
## 24  3.05631522     3
## 25  1.95935367     3
## 26  0.19120070     3
## 27 -0.15075080     3
## 28  0.46590728     3
## 29  1.35432261     3
## 30  0.48539527     3

tapply(a$x,a$group,mean)

##          1          2          3 
## 0.09706406 0.35875715 1.13201720

knitr::opts_chunk$set(echo = TRUE)

Note:tapply只能针对一个分组变量进行分组统计,且只能针对一个连续变量

执行下列就会出错

#tapply(mtcars[,c('mpg','hp','wt')],mtcars$am,summary)
#Error in tapply(mtcars[, c("mpg", "hp", "wt")], mtcars$am, summary) : 
 # arguments must have same length
knitr::opts_chunk$set(echo = TRUE)

使用之前我们学过的东西进行改进的话可以酱紫：

apply(mtcars[,c("am","mpg","hp","wt")],2,function(x) tapply(x,mtcars$am,mean))

##   am      mpg       hp       wt
## 0  0 17.14737 160.2632 3.768895
## 1  1 24.39231 126.8462 2.411000

knitr::opts_chunk$set(echo = TRUE)

但是依然还是有缺陷，就是只能对一个分组变量，不能同时对多个变量进行

接下来我们讲下怎么弥补这个缺陷： ##方法一：利用aggregate函数

Myfun <- function(x) c(mean=mean(x),sd=sd(x))
aggregate(mtcars[,c("mpg","hp","wt")],by=list(am=mtcars$am,cyl=mtcars$cyl),Myfun)

##   am cyl   mpg.mean     mpg.sd   hp.mean     hp.sd   wt.mean     wt.sd
## 1  0   4 22.9000000  1.4525839  84.66667  19.65536 2.9350000 0.4075230
## 2  1   4 28.0750000  4.4838599  81.87500  22.65542 2.0422500 0.4093485
## 3  0   6 19.1250000  1.6317169 115.25000   9.17878 3.3887500 0.1162164
## 4  1   6 20.5666667  0.7505553 131.66667  37.52777 2.7550000 0.1281601
## 5  0   8 15.0500000  2.7743959 194.16667  33.35984 4.1040833 0.7683069
## 6  1   8 15.4000000  0.5656854 299.50000  50.20458 3.3700000 0.2828427

knitr::opts_chunk$set(echo = TRUE)

方案2：利用doBy包中的summaryBy函数,首先需要安装doBy这个数据包

library(doBy)

## Warning: package 'doBy' was built under R version 3.5.3

doBy::summaryBy(mpg+hp+wt~am+cyl,data = mtcars,FUN=Myfun)

##   am cyl mpg.mean    mpg.sd   hp.mean    hp.sd  wt.mean     wt.sd
## 1  0   4 22.90000 1.4525839  84.66667 19.65536 2.935000 0.4075230
## 2  0   6 19.12500 1.6317169 115.25000  9.17878 3.388750 0.1162164
## 3  0   8 15.05000 2.7743959 194.16667 33.35984 4.104083 0.7683069
## 4  1   4 28.07500 4.4838599  81.87500 22.65542 2.042250 0.4093485
## 5  1   6 20.56667 0.7505553 131.66667 37.52777 2.755000 0.1281601
## 6  1   8 15.40000 0.5656854 299.50000 50.20458 3.370000 0.2828427

knitr::opts_chunk$set(echo = TRUE)

方案3：利用dplyr包

dplyr::group_by(mtcars,am,cyl) %>% dplyr::summarise(
mpg.mean=mean(mtcars$mpg,na.rm = TRUE),hp.mean=mean(mtcars$hp,na.rm = T))

## # A tibble: 6 x 4
## # Groups:   am [2]
##      am   cyl mpg.mean hp.mean
##   <dbl> <dbl>    <dbl>   <dbl>
## 1     0     4     20.1    147.
## 2     0     6     20.1    147.
## 3     0     8     20.1    147.
## 4     1     4     20.1    147.
## 5     1     6     20.1    147.
## 6     1     8     20.1    147.

knitr::opts_chunk$set(echo = TRUE)

1.5-splitsplit 用于使某向量或对象分为指定数目的列表，指

定数目的组由因子列表确定

str(split)

## function (x, f, drop = FALSE, ...)

#function (x, f, drop = FALSE, ...)X是一个向量或数据框，F是一个因子或因子列表， Drop表示空因子水平是否舍弃
accepts <- mtcars[,c("am","mpg","wt","hp")]
s<-split(accepts,accepts$am)
sapply(s, function(x) lapply(x[,2:3],function(col) mean(col,na.rm = T)))

##     0        1       
## mpg 17.14737 24.39231
## wt  3.768895 2.411

knitr::opts_chunk$set(echo = TRUE)