R tiene muchos *aplicar funciones que son hábilmente descrito en los archivos de ayuda (por ej. ?apply). Hay bastantes de ellos, sin embargo, que los usuarios principiantes pueden tener dificultad para decidir cual es el adecuado para su situación o incluso recordar a todos ellos. Se puede tener una sensación general de que "yo debería ser el uso de un *aplique la función aquí", pero puede ser difícil de mantener en todos ellos recta en primer lugar.
A pesar de el hecho de que (se observó en otras respuestas) que gran parte de la funcionalidad de la *aplicar familia está cubierto por la extremadamente popular plyr paquete, las funciones base siguen siendo útiles y vale la pena conocer.
Esta respuesta es la intención de actuar como una especie de señal para que los nuevos usuarios de ayuda directa a la correcta *aplique la función de su problema en particular. Nota, esto es , no pretende simplemente regurgitar o reemplazar el R de la documentación! La esperanza es que esta respuesta le ayuda a decidir que *aplique la función se adapte a su situación y, a continuación, es a usted para estudiarlo más a fondo. Con una excepción, las diferencias de rendimiento no será abordado.
aplicar - Cuando se quiere aplicar una función a las filas o columnas
de una matriz (y de mayores dimensiones análogos).
# Two dimensional matrix
M <- matrix(seq(1,16), 4, 4)
# apply min to rows
apply(M, 1, min)
[1] 1 2 3 4
# apply max to columns
apply(M, 2, max)
[1] 4 8 12 16
# 3 dimensional array
M <- array( seq(32), dim = c(4,4,2))
# Apply sum across each M[*, , ] - i.e Sum across 2nd and 3rd dimension
apply(M, 1, sum)
# Result is one-dimensional
[1] 120 128 136 144
# Apply sum across each M[*, *, ] - i.e Sum across 3rd dimension
apply(M, c(1,2), sum)
# Result is two-dimensional
[,1] [,2] [,3] [,4]
[1,] 18 26 34 42
[2,] 20 28 36 44
[3,] 22 30 38 46
[4,] 24 32 40 48
Si desea fila/columna de los medios o de las cantidades de matriz 2D, asegúrese de
investigar el altamente optimizado, rápido como un rayo colMeans,
rowMeans, colSums, rowSums.
lapply - Cuando se quiere aplicar una función a cada elemento de un
lista de turno, y obtener una lista de nuevo.
Este es el caballo de batalla de muchos de los otros *aplicar las funciones. Pelar
de nuevo su código y usted encontrará a menudo lapply por debajo.
x <- list(a = 1, b = 1:3, c = 10:100)
lapply(x, FUN = length)
$a
[1] 1
$b
[1] 3
$c
[1] 91
lapply(x, FUN = sum)
$a
[1] 1
$b
[1] 6
$c
[1] 5005
sapply - Cuando se quiere aplicar una función a cada elemento de un
lista de turno, pero desea un vector de la espalda, en lugar de una lista.
Si usted se encuentra escribiendo unlist(lapply(...)), detenerse y considerar
sapply.
x <- list(a = 1, b = 1:3, c = 10:100)
#Compare with above; a named vector, not a list
sapply(x, FUN = length)
a b c
1 3 91
sapply(x, FUN = sum)
a b c
1 6 5005
En usos más avanzados de sapply va a intentar coaccionar a los
resultado de una matriz multidimensional, si es apropiado. Por ejemplo, si nuestra función devuelve un vector de la misma longitud, sapply va a utilizar como columnas de una matriz:
sapply(1:5,function(x) rnorm(3,x))
Si nuestra función devuelve un 2 dimensiones de la matriz, sapply se hace esencialmente lo mismo, el tratamiento de cada uno regresó de la matriz como un vector:
sapply(1:5,function(x) matrix(x,2,2))
A menos que se especifique simplify = "array", en cuyo caso se hará uso de las matrices individuales para construir una matriz multidimensional:
sapply(1:5,function(x) matrix(x,2,2), simplify = "array")
Cada una de estas conductas es, por supuesto, depende de que nuestra función de devolución de vectores o matrices de la misma longitud o dimensión.
vapply - Cuando se desea utilizar sapply pero quizás necesitan
exprimir un poco más la velocidad de su código.
Para vapply, que, básicamente, dar R un ejemplo de qué tipo de cosa
su función devolverá, lo que puede ahorrar algo de tiempo coaccionar devuelto
los valores para caber en un único atómica vector.
x <- list(a = 1, b = 1:3, c = 10:100)
#Note that since the advantage here is mainly speed, this
# example is only for illustration. We're telling R that
# everything returned by length() should be an integer of
# length 1.
vapply(x, FUN = length, FUN.VALUE = 0L)
a b c
1 3 91
mapply - Para cuando se tiene varias estructuras de datos (por ej.
vectores, listas) y usted desea aplicar una función a la 1ª elementos
de cada uno, y luego el 2º elementos de cada uno, etc., coaccionar el resultado
para un vector/matriz como en sapply.
Este es multivariantes en el sentido de que su función debe aceptar
varios argumentos.
#Sums the 1st elements, the 2nd elements, etc.
mapply(sum, 1:5, 1:5, 1:5)
[1] 3 6 9 12 15
#To do rep(1,4), rep(2,3), etc.
mapply(rep, 1:4, 4:1)
[[1]]
[1] 1 1 1 1
[[2]]
[1] 2 2 2
[[3]]
[1] 3 3
[[4]]
[1] 4
rapply - Para cuando se desea aplicar una función a cada elemento de una lista anidada de la estructura, de forma recursiva.
Para dar una idea de cómo infrecuente rapply es, se me olvidó cuando la primera publicación esta respuesta! Obviamente, estoy seguro de que mucha gente lo usa, pero YMMV. rapply se ilustra mejor con una función definida por el usuario para solicitar:
#Append ! to string, otherwise increment
myFun <- function(x){
if (is.character(x)){
return(paste(x,"!",sep=""))
}
else{
return(x + 1)
}
}
#A nested list structure
l <- list(a = list(a1 = "Boo", b1 = 2, c1 = "Eeek"),
b = 3, c = "Yikes",
d = list(a2 = 1, b2 = list(a3 = "Hey", b3 = 5)))
#Result is named vector, coerced to character
rapply(l,myFun)
#Result is a nested list like l, with values altered
rapply(l, myFun, how = "replace")
tapply - Para cuando se desea aplicar una función a de subconjuntos de un
vector y los subconjuntos definidos por algún otro vector, generalmente de una
factor.
La oveja negra de la *aplicar familia, de todo tipo. El archivo de ayuda del uso de
la frase "ragged " matriz" puede ser un poco confuso, pero en realidad es
bastante simple.
Un vector:
x <- 1:20
Un factor de la misma longitud!) definición de grupos:
y <- factor(rep(letters[1:5], each = 4))
Agregar los valores en x dentro de cada uno de los subgrupos definidos por y:
tapply(x, y, sum)
a b c d e
10 26 42 58 74
Ejemplos más complejos puede ser manejado en donde los subgrupos se definen
por las combinaciones únicas de una lista de varios factores. tapplyes
similares en espíritu a la split-aplicar-se combinan las funciones que se
común en R (aggregate, by, ave, ddply, etc.) De ahí su
la oveja negra de estado.
