分組函數(shù)（tapply，by，aggregate）和* apply系列每當(dāng)我想在R中做一些“map”py時，我通常會嘗試在apply家族中使用一個函數(shù)。但是，我從來沒有完全理解它們之間的區(qū)別 - 如何{ sapply，lapply等}將函數(shù)應(yīng)用于輸入/分組輸入，輸出將是什么樣的，甚至輸入可以是什么 - 所以我經(jīng)常只要仔細(xì)檢查它們，直到我得到我想要的東西。有人可以解釋如何使用哪一個？我當(dāng)前（可能不正確/不完整）的理解是......sapply(vec, f)：輸入是一個向量。output是一個向量/矩陣，其中element i是f(vec[i])一個矩陣，如果f有一個多元素輸出lapply(vec, f)：相同sapply，但輸出是一個列表？apply(matrix, 1/2, f)：輸入是一個矩陣。output是一個向量，其中element i是f（矩陣的row / col i）tapply(vector, grouping, f)：output是一個矩陣/數(shù)組，其中矩陣/數(shù)組中的元素是向量f分組g的值，并g被推送到行/列名稱by(dataframe, grouping, f)：讓我們g成為一個分組。適用f于組/數(shù)據(jù)框的每一列。漂亮打印分組和f每列的值。aggregate(matrix, grouping, f)：類似于by，但不是將輸出打印得很漂亮，而是將所有內(nèi)容都粘貼到數(shù)據(jù)幀中。側(cè)問題：我還沒有學(xué)會plyr或重塑-將plyr或reshape更換所有這些完全？
4 回答
UYOU
TA貢獻(xiàn)1878條經(jīng)驗(yàn) 獲得超4個贊
首先從Joran的優(yōu)秀答案開始 - 懷疑任何事情都可以更好。
然后，以下助記符可能有助于記住每個之間的區(qū)別。雖然有些是顯而易見的，但有些可能不那么明顯 - 對于這些，你會在Joran的討論中找到理由。
助記符
lapply是一個列表應(yīng)用，它作用于列表或向量并返回一個列表。sapply是一個簡單的lapply（函數(shù)默認(rèn)為在可能的情況下返回向量或矩陣）vapply是經(jīng)過驗(yàn)證的申請（允許預(yù)先指定退貨對象類型）rapply是嵌套列表的遞歸應(yīng)用，即列表中的列表tapply是標(biāo)記應(yīng)用，其中標(biāo)記標(biāo)識子集apply是 通用的：應(yīng)用一個函數(shù)的矩陣的行或列（或者，更一般地，以陣列的尺寸）
建立正確的背景
如果使用這個apply家庭仍然覺得你有點(diǎn)陌生，那么可能是你錯過了一個關(guān)鍵的觀點(diǎn)。
這兩篇文章可以提供幫助。它們提供了激發(fā)函數(shù)apply族提供的函數(shù)式編程技術(shù)的必要背景。
Lisp的用戶將立即認(rèn)識到這種范式。如果你不熟悉Lisp，一旦你了解了FP，你就會獲得一個強(qiáng)大的觀點(diǎn)來使用R - 并且apply會更有意義。
高級R：功能編程，由Hadley Wickham撰寫
R的簡單函數(shù)式編程，作者：Michael Barton
回首憶惘然
TA貢獻(xiàn)1847條經(jīng)驗(yàn) 獲得超11個贊
因?yàn)槲乙庾R到這篇文章的（非常優(yōu)秀的）答案缺乏by和aggregate解釋。這是我的貢獻(xiàn)。
通過
by但是，如文檔中所述，該函數(shù)可以作為“包裝器” tapply。by當(dāng)我們想要計(jì)算tapply無法處理的任務(wù)時，會產(chǎn)生這種力量。一個例子是這段代碼：
ct <- tapply(iris$Sepal.Width , iris$Species , summary )
cb <- by(iris$Sepal.Width , iris$Species , summary )
cb
iris$Species: setosa
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.300 3.200 3.400 3.428 3.675 4.400
--------------------------------------------------------------
iris$Species: versicolor
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.000 2.525 2.800 2.770 3.000 3.400
--------------------------------------------------------------
iris$Species: virginica
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.200 2.800 3.000 2.974 3.175 3.800
ct
$setosa
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.300 3.200 3.400 3.428 3.675 4.400
$versicolor
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.000 2.525 2.800 2.770 3.000 3.400
$virginica
Min. 1st Qu. Median Mean 3rd Qu. Max.
2.200 2.800 3.000 2.974 3.175 3.800
如果我們打印這兩個對象，ct并且cb我們“基本上”具有相同的結(jié)果，唯一的區(qū)別在于它們的顯示方式和不同的class屬性，分別by為for cb和arrayfor ct。
正如我所說，by當(dāng)我們不能使用時會產(chǎn)生力量tapply; 以下代碼是一個例子：
tapply(iris, iris$Species, summary )
Error in tapply(iris, iris$Species, summary) :
arguments must have same length
R表示參數(shù)必須具有相同的長度，比如“我們想要計(jì)算沿著因子summary的所有變量”：但是R不能這樣做，因?yàn)樗恢廊绾翁幚?。irisSpecies
使用by函數(shù)R為data frame類調(diào)度一個特定的方法，然后讓summary函數(shù)工作，即使第一個參數(shù)（和類型）的長度不同。
bywork <- by(iris, iris$Species, summary )
bywork
iris$Species: setosa
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Min. :4.300 Min. :2.300 Min. :1.000 Min. :0.100 setosa :50
1st Qu.:4.800 1st Qu.:3.200 1st Qu.:1.400 1st Qu.:0.200 versicolor: 0
Median :5.000 Median :3.400 Median :1.500 Median :0.200 virginica : 0
Mean :5.006 Mean :3.428 Mean :1.462 Mean :0.246
3rd Qu.:5.200 3rd Qu.:3.675 3rd Qu.:1.575 3rd Qu.:0.300
Max. :5.800 Max. :4.400 Max. :1.900 Max. :0.600
--------------------------------------------------------------
iris$Species: versicolor
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Min. :4.900 Min. :2.000 Min. :3.00 Min. :1.000 setosa : 0
1st Qu.:5.600 1st Qu.:2.525 1st Qu.:4.00 1st Qu.:1.200 versicolor:50
Median :5.900 Median :2.800 Median :4.35 Median :1.300 virginica : 0
Mean :5.936 Mean :2.770 Mean :4.26 Mean :1.326
3rd Qu.:6.300 3rd Qu.:3.000 3rd Qu.:4.60 3rd Qu.:1.500
Max. :7.000 Max. :3.400 Max. :5.10 Max. :1.800
--------------------------------------------------------------
iris$Species: virginica
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Min. :4.900 Min. :2.200 Min. :4.500 Min. :1.400 setosa : 0
1st Qu.:6.225 1st Qu.:2.800 1st Qu.:5.100 1st Qu.:1.800 versicolor: 0
Median :6.500 Median :3.000 Median :5.550 Median :2.000 virginica :50
Mean :6.588 Mean :2.974 Mean :5.552 Mean :2.026
3rd Qu.:6.900 3rd Qu.:3.175 3rd Qu.:5.875 3rd Qu.:2.300
Max. :7.900 Max. :3.800 Max. :6.900 Max. :2.500
它確實(shí)有效，結(jié)果非常令人驚訝。這是一個類的對象by，沿著Species（例如，對于每個類）計(jì)算summary每個變量。
請注意，如果第一個參數(shù)是a data frame，則dispatched函數(shù)必須具有該類對象的方法。例如，我們將此代碼與mean函數(shù)一起使用，我們將擁有完全沒有意義的代碼：
by(iris, iris$Species, mean)
iris$Species: setosa
[1] NA
-------------------------------------------
iris$Species: versicolor
[1] NA
-------------------------------------------
iris$Species: virginica
[1] NA
Warning messages:
1: In mean.default(data[x, , drop = FALSE], ...) :
argument is not numeric or logical: returning NA
2: In mean.default(data[x, , drop = FALSE], ...) :
argument is not numeric or logical: returning NA
3: In mean.default(data[x, , drop = FALSE], ...) :
argument is not numeric or logical: returning NA
骨料
aggregatetapply如果我們以這種方式使用它，可以被視為另一種不同的使用方式。
at <- tapply(iris$Sepal.Length , iris$Species , mean)
ag <- aggregate(iris$Sepal.Length , list(iris$Species), mean)
at
setosa versicolor virginica
5.006 5.936 6.588
ag
Group.1 x
1 setosa 5.006
2 versicolor 5.936
3 virginica 6.588
兩個直接的區(qū)別是第二個參數(shù)aggregate 必須是一個列表，而tapply can（非強(qiáng)制性）是一個列表，輸出aggregate是一個數(shù)據(jù)幀，而一個tapply是array。
它的強(qiáng)大之a(chǎn)ggregate處在于它可以使用subset參數(shù)輕松處理數(shù)據(jù)的子集，并且它還具有ts對象的方法formula。
在某些情況下aggregate，這些元素更容易使用tapply。以下是一些示例（可在文檔中找到）：
ag <- aggregate(len ~ ., data = ToothGrowth, mean)
ag
supp dose len
1 OJ 0.5 13.23
2 VC 0.5 7.98
3 OJ 1.0 22.70
4 VC 1.0 16.77
5 OJ 2.0 26.06
6 VC 2.0 26.14
我們可以實(shí)現(xiàn)相同，tapply但語法稍微困難，輸出（在某些情況下）可讀性較差：
att <- tapply(ToothGrowth$len, list(ToothGrowth$dose, ToothGrowth$supp), mean)
att
OJ VC
0.5 13.23 7.98
1 22.70 16.77
2 26.06 26.14
還有一些時候我們不能使用by或者tapply我們必須使用aggregate。
ag1 <- aggregate(cbind(Ozone, Temp) ~ Month, data = airquality, mean)
ag1
Month Ozone Temp
1 5 23.61538 66.73077
2 6 29.44444 78.22222
3 7 59.11538 83.88462
4 8 59.96154 83.96154
5 9 31.44828 76.89655
我們無法tapply在一次調(diào)用中獲得先前的結(jié)果，但我們必須計(jì)算Month每個元素的平均值然后將它們組合起來（還要注意我們必須調(diào)用它na.rm = TRUE，因?yàn)楹瘮?shù)的formula方法aggregate默認(rèn)情況下是這樣的na.action = na.omit）：
ta1 <- tapply(airquality$Ozone, airquality$Month, mean, na.rm = TRUE)
ta2 <- tapply(airquality$Temp, airquality$Month, mean, na.rm = TRUE)
cbind(ta1, ta2)
ta1 ta2
5 23.61538 65.54839
6 29.44444 79.10000
7 59.11538 83.90323
8 59.96154 83.96774
9 31.44828 76.90000
雖然by我們實(shí)際上無法實(shí)現(xiàn)，但實(shí)際上以下函數(shù)調(diào)用會返回錯誤（但很可能與提供的函數(shù)有關(guān)mean）：
by(airquality[c("Ozone", "Temp")], airquality$Month, mean, na.rm = TRUE)
其他時候結(jié)果是相同的，差異只是在類中（然后它是如何顯示/打印的，而不僅僅是 - 例如，如何將其子集化）對象：
byagg <- by(airquality[c("Ozone", "Temp")], airquality$Month, summary)
aggagg <- aggregate(cbind(Ozone, Temp) ~ Month, data = airquality, summary)
以前的代碼實(shí)現(xiàn)了相同的目標(biāo)和結(jié)果，在某些方面，使用的工具只是個人品味和需求的問題; 前兩個對象在子集方面有非常不同的需求。
- 4 回答
- 0 關(guān)注
- 2044 瀏覽
添加回答
舉報(bào)
0/150
提交
取消