【R】R中的一些循环——待更新

“如果你用R编写的程序很慢，请检查自己的循环。”

嗯，不错，写了上句之后很有成就感。R中的一些预置循环函数，用起来那是相当的爽，来两个。
1. apply()
一句话“对行/列/每个单元进行操作”。这个就不说了嘛，太经典了，无数种超级用法。

2 lapply(X, FUN, ...)
一句话“对列表进行操作”。不是列表的，先转化为列表。至于data.frame，请注意，它也是一个列表，啊，啊！
   sapply()，返回结果更好看些的lapply()
========================================
#formally using
>  a <- data.frame(name = c('a', 'b', 'c', 'd', 'e'), x1=rep(1, 5), x2=seq(5))
> a
  name x1 x2
1    a  1  1
2    b  1  2
3    c  1  3
4    d  1  4
5    e  1  5
> is.list(a)
[1] TRUE
> lapply(a[-1], mean)
$x1
[1] 1

$x2
[1] 3

# an interesting example
> lapply(1:3, function(x)print(x))
[1] 1
[1] 2
[1] 3
[[1]]
[1] 1

[[2]]
[1] 2

[[3]]
[1] 3

#clever usage
> lapply(1:3, runif)
[[1]]
[1] 0.7953843

[[2]]
[1] 0.009511986 0.014620154

[[3]]
[1] 0.3515089 0.6179728 0.6724647

> sapply(a[-1], mean)
x1 x2
 1  3

# 一个很好玩sapply和apply的联合应用，也说明函数FUN后面的参数可以传递（很像paste()函数）
> testcul   #是一个列表
[[1]]
            [,1]       [,2]
 [1,] -1.2866210 -0.2685693
 [2,]  1.3842814  1.9853389
 [3,]  1.5937214 -0.6717815
 [4,]  0.5248024 -0.2175002
 [5,]  1.7479599  0.3178725
 [6,] -0.9006554  1.0752814
 [7,]  0.7844334  1.0482259
 [8,] -0.7308886 -0.4430378
 [9,] -1.2088685  1.5549266
[10,] -1.0480727  0.2928597

[[2]]
            [,1]        [,2]        [,3]
 [1,] -3.1393330 -0.23722704  1.34118049
 [2,]  1.3107357  1.82073202 -0.71766319
 [3,] -0.7134135  0.36238927 -0.87612364
 [4,]  0.7447617  0.67473600 -0.74937624
 [5,] -0.0837959 -0.06708523 -0.07118088
 [6,] -0.2549086  1.53768357  0.33565245
 [7,] -1.7181883  0.58089985 -0.85411148
 [8,]  0.1160611  0.67117684  0.71815686
 [9,]  0.4569479  0.35652096 -0.41536960
[10,]  0.9169137 -0.94427696  1.11756517

[[3]]
             [,1]        [,2]       [,3]
 [1,]  0.97486110 -0.19133644 -0.9147590
 [2,]  1.46550890 -1.86653680 -0.6270747
 [3,]  0.03275271  0.27933836  0.9450201
 [4,]  0.52421699 -1.86095929  0.3082170
 [5,]  0.91287800 -0.54052685 -0.8613839
 [6,]  0.76407813 -0.73753415  2.6269367
 [7,] -0.36976604 -0.67746496  1.0180791
 [8,]  0.79666639  0.24423928  0.5493549
 [9,]  0.79408187 -0.02954059  0.4128063
[10,]  0.01681600  0.81758855  0.4179971

[[4]]
             [,1]        [,2]
 [1,] -1.21189467  0.59042009
 [2,] -0.99203544  2.05900893
 [3,]  0.73424020 -0.78684771
 [4,]  0.22416011  0.92180061
 [5,]  1.26502276  0.03246454
 [6,] -1.70265031 -1.63964678
 [7,]  1.64618462 -0.86794966
 [8,]  0.02223913 -1.49163689
 [9,]  1.36978971  1.42062220
[10,] -0.94584516  0.51691580

>  sapply(testcul, apply, 1, sd)    # 对列表中每一个元素的每一行求standard deviation
           [,1]       [,2]      [,3]       [,4]
 [1,] 0.7198713 2.27261193 0.9534167 1.27442899
 [2,] 0.4250118 1.34275515 1.6841269 2.15741416
 [3,] 1.6019525 0.67302061 0.4719054 1.07557158
 [4,] 0.5248872 0.84315355 1.3191568 0.49330633
 [5,] 1.0112245 0.00870976 0.9454576 0.87155027
 [6,] 1.3971984 0.91351225 1.6854646 0.04455022
 [7,] 0.1865295 1.16129901 0.9032960 1.77776139
 [8,] 0.2035412 0.33488302 0.2767171 1.07047200
 [9,] 1.9542983 0.47729069 0.4121884 0.03594400
[10,] 0.9481824 1.13691723 0.4003865 1.03432819
=======================================

3 tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)
一句话“对某列（且只能针对一列，多列用aggregate()）中有相同元素的行进行操作”，和table()有一拼
========================================
# an interesting sample
> ind <- list(c(1, 2, 2), c("A", "A", "B"))
> table(ind)
     ind.2
ind.1 A B
    1 1 0
    2 1 1
> tapply(1:3, ind) # if FUN = NULL
[1] 1 2 4
> tapply(1:3, ind, sum)
  A  B
1 1 NA
2 2  3
=========================================

4 rowSums()/colSums()/rowMeans()/colMeans()
   对行/列分别求和/均值

更新：
5  mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)
    一句话“简化版的对每个...进行FUN操作，返回一个列表、向量或者矩阵。”
============================================
> mapply(rep, 1:4, 4:1)
[[1]]
[1] 1 1 1 1

[[2]]
[1] 2 2 2

[[3]]
[1] 3 3

[[4]]
[1] 4

> mapply(rep, times=1:4, x=4:1)
[[1]]
[1] 4

[[2]]
[1] 3 3

[[3]]
[1] 2 2 2

[[4]]
[1] 1 1 1 1

# 与mapply(rep, times=1:4, x=42)输出结果相同
> mapply(rep, times=1:4, MoreArgs=list(x=42))
[[1]]
[1] 42

[[2]]
[1] 42 42

[[3]]
[1] 42 42 42

[[4]]
[1] 42 42 42 42

> mapply(c, m, n, "e")
     a   c 
[1,] "a" "c"
[2,] "d" "b"
[3,] "e" "e"

> mapply(c, m, n, "e", SIMPLIFY=FALSE)
$a
[1] "a" "d" "e"

$c
[1] "c" "b" "e"
======================================

6  aggregate(x, by, FUN, ..., simplify = TRUE)
    一句话“对列表中某列（或多列）有相同元素进行共同的变化”
    aggregate()的帮助文档有一个很好的例子，做了两次筛选。





参考网址：
http://www.ats.ucla.edu/stat/r/library/advanced_function_r.htm
http://cos.name/cn/topic/102848

转自：http://blog.sina.com.cn/s/blog_61f013b80100mvoj.html