本教程旨在介紹apply（）函數集合。apply（）函數是所有集合中最基本的。我們還將學習sapply（），lapply（）和tapply（）。apply集合可以看作是循環的替代品。
如果將R與Anaconda一起安裝，則apply（）集合與R基本軟件包捆綁在一起。apply（）函數可以提供許多函數，以對對象（數據框，列表，向量等）的集合執行冗余應用程序。apply（）的目的主要是為了避免顯式使用循環結構。它們可用于輸入列表，矩陣或數組并應用函數。任何函數都可以傳遞到apply（）中。
在本教程中，您將學習：
- apply()函數
- lapply()函數
- sapply()函數
- 切片矢量
- tapply()函數
apply()函數
apply()將數據框或矩陣作為輸入，并以矢量，列表或數組形式輸出。apply()函數主要用于避免重復使用循環結構。它是所有可以在矩陣上使用的最基本的集合。
此函數接受3個參數：
apply(X, MARGIN, FUN)
-x：數組或矩陣
-MARGIN：取一個介于1到2之間的值或范圍，以定義該函數的應用位置：
-MARGIN = 1`：對行執行操作
-MARGIN = 2`：對列執行操作
-MARGIN = c（1,2）`該操作在行和列上執行
-FUN：告訴應用哪個功能。可以應用平均值，中位數，和，最小值，最大值甚至用戶定義的函數等內置函數
最簡單的示例是對所有列求和。代碼apply（m1，2，sum）將sum函數應用于矩陣5x6，并返回數據集中可訪問的每一列的總和。
m1 <- matrix(C<-(1:10),nrow=5, ncol=6)
m1
a_m1 <- apply(m1, 2, sum)
a_m1
輸出：
最佳實踐：在將值打印到控制臺之前，先存儲它們。
lapply()函數
lapply()函數可用于對列表對象執行操作，并返回與原始集合長度相同的列表對象。lappy()返回一個長度與輸入列表對象相似的列表，其每個元素都是將FUN應用于列表的相應元素的結果。lapply()將列表，向量或數據框作為輸入，并在列表中給出輸出。
lapply(X, FUN)
Arguments:
-X: A vector or an object
-FUN: Function applied to each element of x
lapply()中的l代表列表。lapply()和apply()之間的區別在于輸出返回之間。lapply()的輸出是一個列表。lapply()可以用于其他對象，例如數據框和列表。
lapply()函數不需要MARGIN。
一個非常簡單的示例是使用tolower函數將矩陣的字符串值更改為小寫。我們用著名電影的名稱構造一個矩陣。名稱為大寫形式。
movies <- c("SPYDERMAN","BATMAN","VERTIGO","CHINATOWN")
movies_lower <-lapply(movies, tolower)
str(movies_lower)
輸出：
## List of 4
## $:chr"spyderman"
## $:chr"batman"
## $:chr"vertigo"
## $:chr"chinatown"
我們可以使用unlist()將列表轉換為向量。
films_lower <- unlist(lapply(movies，tolower))
str(movies_lower)
輸出：
## chr [1:4] "spyderman" "batman" "vertigo" "chinatown"
sapply（）函數
sapply（）函數將列表，向量或數據幀作為輸入，并以向量或矩陣形式輸出。它對列表對象的操作很有用，并返回與原始集合長度相同的列表對象。sapply（）函數執行的功能與lapply（）函數相同，但返回一個向量。
sapply(X, FUN)
Arguments:
-X: A vector or an object
-FUN: Function applied to each element of x
我們可以從汽車數據集中測量汽車的最小速度和停車距離。
dt <- cars
lmn_cars <- lapply(dt, min)
smn_cars <- sapply(dt, min)
lmn_cars
smn_cars
輸出：
## $speed
## [1] 4
## $ dist
## [1] 2
## speed dist
## 4 2
我們可以在lapply()或sapply（）中使用用戶內置函數。我們創建一個名為avg的函數來計算向量最小值和最大值的平均值。
avg <- function(x) {
( min(x) + max(x) ) / 2}
fcars <- sapply(dt, avg)
fcars
輸出量
## speed dist
## 14.5 61.0
sapply（）函數在返回的輸出中比lapply（）更有效，因為sapply（）將值直接存儲到向量中。在下一個示例中，我們將看到情況并非總是如此。
下表總結了apply（），sapply（）和lapply（）之間的區別：
| Function | Arguments | Objective | Input | Output |
|---|---|---|---|---|
| apply | apply(x, MARGIN, FUN) | Apply a function to the rows or columns or both | Data frame or matrix | vector, list, array |
| lapply | lapply(X, FUN) | Apply a function to all the elements of the input | List, vector or data frame | list |
| sapply | sappy(X FUN) | Apply a function to all the elements of the input | List, vector or data frame | vector or matrix |
切片矢量
我們可以使用lapply（）或sapply（）互換來切片數據框。我們創建一個函數below_average（），該函數接受數值的向量，并返回僅包含嚴格高于平均值的值的向量。我們將兩個結果與 identical() 函數進行比較。
below_ave <- function(x) {
ave <- mean(x)
return(x[x > ave])
}
dt_s <- sapply(dt, below_ave)
dt_l <- lapply(dt, below_ave)
identical(dt_s, dt_l)
輸出：
## [1] TRUE
tapply（）函數
tapply（）計算向量中每個因子變量的度量（均值，中位數，最小值，最大值等）或函數。這是一項非常有用的功能，可讓您創建向量的子集，然后將某些功能應用于每個子集。
tapply(X, INDEX, FUN = NULL)
Arguments:
-X: An object, usually a vector
-INDEX: A list containing factor
-FUN: Function applied to each element of x
數據科學家或研究人員的部分工作是計算變量匯總。例如，根據特征測量平均值或組數據。大多數數據按ID，城市，國家/地區等分組。總結小組會發現更多有趣的模式。
為了了解其工作原理，讓我們使用虹膜數據集。該數據集在機器學習領域非常有名。該數據集的目的是預測三種花類中的每一種的類別：萼片，雜色和維珍妮卡。數據集收集每個物種的長度和寬度信息。
作為先前的工作，我們可以計算每個物種的長度的中位數。tapply（）是執行此計算的快速方法。
data(iris)
tapply(iris$Sepal.Width, iris$Species, median)
輸出：
## setosa versicolor virginica
## 3.4 2.8 3.0
