使用apply,sapply,lapply之sapply

使用apply，sapply，lapply之spply

来源：Pete编译：亮亮

Contents

1使用sapply和lapply1

本文介绍如何使用apply家族函数中的sapply和lapply。适用于不熟悉R语言的初学者，文中给出apply家族函数的例子，这些函数广泛用于各项R代码工作中

1使用sapply和lapply

这2个函数使用起来比较类似，主要作用是将某个函数应用于数据的每个元素。有些时候，我们需要遍历数据的每一个元素，通常情况下这种遍历和for循环的结果很类似。

sapply(1:3,function(x)x^2)

##[1]149

lapply(1:3,function(x)x^2)

##[[1]]

##[1]1

##

##[[2]]

##[1]4

##

##[[3]]

##[1]9

x<-1:3;x^2

##[1]149

lapply和sapply返回值类型有时会有差异，lapply默认返回list类型，sapply返回整理好的向量，矩阵或者数组通过simplify参数控制。

上述几种向量化写法效果基本上一致，因为R本身很多函数支持向量化输入，此时sapply方法并没有什么方便。当数据结构比较复杂，遍历运算比较复杂或者我们使用的基本函数不支持向量化输入时sapply系列函数的必要性就显露出来。

x<-list(a=1:10,beta=exp(-3:3),logic=c(TRUE,FALSE,FALSE,TRUE))

#compute the list mean for each list element

lapply(x,mean)

##$a

##[1]5.5

##

##$beta

##[1]4.535125

##

##$logic

##[1]0.5

上述代码是数据结构比较复杂的情况下的例子。

x<-c('10m','30m','50m','70m','80m')

heights<-c(10,30)

sapply(heights,grep,x=x)

##[1]12

上述代码是字符串匹配函数grep不支持向量化输入的情况。

n<-c(10,20,30)

means<-c(-1,0,1)

i<-1:length(n)

sapply(i,function(i)rnorm(n[i],mean=means[i]))

##[[1]]

##[1]-0.46636606-0.73045440-1.31197365-2.03456202-2.21430828

##[6]-0.258569240.81128259-0.03293713-2.33346031-1.09583432

##

##[[2]]

##[1]-1.26301253-0.991125770.122576530.690250330.84248917

##[6]-1.10191755-0.81541262 1.00761394-0.967756460.04650241

##[11]-0.622585540.418684480.36625912-1.049120460.30927691

##[16] 1.12095799-1.070617860.16251552-2.52071553-2.20982836

##

##[[3]]

##[1]-0.3259125 1.00638600.8610063 2.37150270.6701350 1.9813331

##[7]-0.2135706 1.51126010.6552322-0.7918827 2.0452964 2.5696775

##[13] 1.3299295 1.8264634 2.25723910.17824260.1414045-2.1658070

##[19] 1.2173678 1.7530001 1.45807130.3868410-1.43095380.6916489

##[25] 1.8348013-0.4316012 1.34257410.61740350.85810130.1976587

上述代码是采用分别选择样本量10,20,30从均值为-1,0,1的正态分布（sd=0）中随机抽样的例子。采用对象下标i来间接访问样本量和均值。

f<-c(0:1)

i<-3:15

sapply(i,function(i)f[i]<<-f[i-1]+f[i-2])

##[1]123581321345589144233377

关于sapply的本质是否为并行算法的问题，上述代码告诉为我们应该和一个for循环是一致的，上述代码为一个迭代算法。