Często zdaża się, że chcemy wykonać jakąś operację dla każdej z kolumn lub wierszy macierzy (lub ramki danych, tablicy). Dzięki funkcji apply możemy takie operacje wykonać w bardzo szybki sposób.
Wygenerujmy sobie na początek macierz 40x5 składających się z realizacji rozkładu Poissona o średniej \(\lambda =1\). I policzmy średnią oraz medianę dla każdej kolumny, oraz dla każdego wiersza.
#wektor 200 elementowy z rozkładu normalnego
x<-rnorm(40*5)
#przekształcamy na macierz
dim(x)<-c(40,5)
#liczymy średnie w wierszach
r.mean.x<-apply(x, 1, mean)
#mediany w wierszach
r.median.x<-apply(x, 1, median)
#Średnie w kolumnach
c.mean.x<-apply(x, 2, mean)
#mediany w kolumnach
c.median.x<-apply(x, 2, median)Gdybyśmy chcieli użyć funkcji, w której wyniku otrzymujemy wektor dla każdej kolumny (wiersza), wyniki zostaną przedstawione w postaci macierzy. Dodatkowo, jeżeli w użytej funkcji wewnątrz apply istnieją dodatkowe argumenty, możemy się do nich odnieść przez ich nazwę wewnątrz wywołania apply.
Policzmy rozrzut (minimum i maksimum) w każdej z kolumn x. Funkcja quantile dla argumentu probs=0 wylicza minimum, ale dla probs=1 maksimum (alternatywa dla funkcji max i min).
apply(x, 2, quantile, probs=c(0,1))## [,1] [,2] [,3] [,4] [,5]
## 0% -2.740988 -1.403155 -1.571001 -2.817143 -2.715285
## 100% 2.285214 1.986233 2.544443 2.135637 2.092075Jeżeli mamy listę i chcemy wykonać tę samą funkcję dla każdego z elementów listy, używamy funkjci lapply. Załóżmy, że mamy listę składającą się z wielu zestawów danych i chcemy wyświetlić wymiary każdego ze zbiorów.
#wczytujemy dane wbudowane w R
data(iris)
data(mtcars)
data(InsectSprays)
#tworzymy listę składającaą się z tych danych
data.list<- list(flowers=iris, cars=mtcars, sprays=InsectSprays)
#wyświetlamy wymiary każdego ze zbiorów
lapply(data.list, dim)## $flowers
## [1] 150 5
##
## $cars
## [1] 32 11
##
## $sprays
## [1] 72 2Wynikiem działania lapply jest lista, która ma tyle samo elementów co lista, która jest argumentem funkcji i elementy mają te same nazwy. Elementami w liście są wyniki funkcji dla każdego z elementów wyjściowej listy. Często wygodniejsze jest dla nas, aby wyniki były przedstawione w formie wektora (lub macierzy), szczególnie jeżeli wynikiem dziłania funkcji dla każdego elementu jest liczba lub wektor. W takich przypadkach używamy uproszczonej wersji lapply, czyli sapply.
sapply(data.list, dim)## flowers cars sprays
## [1,] 150 32 72
## [2,] 5 11 2Jeżeli chcemy zadziałać funkcją na wektorze (liście), ale warunkowo to używamy funkcji tapply. Jeżeli chcemy abliczyć kwartyle zmiennej mpg w zbiorze mtcars, ale dla każdego poziomu zmiennej am osobno. Tzn. chcemy policzyc kwartyle mpg (ilości mil na galonie) w zalezności, czy jest to samochód ze skrzynią automatyczną czy manualną.
q.mpg<-tapply(mtcars$mpg, mtcars$am, quantile, probs=c(.25, .5, .75))
q.mpg## $`0`
## 25% 50% 75%
## 14.95 17.30 19.20
##
## $`1`
## 25% 50% 75%
## 21.0 22.8 30.4Aby wykonać operacje analogiczne do tapply, ale nie dla wektorów, tylko dla ramek danych, korzystamy najpierw z funkcji split. Funkcja split dzieli nam dane ze względu na wartość jakiejś zmiennej kategorycznej.
Gdybyśmy chcieli podzielić dane mtcars ze względu na wartość zmiennej cyl.
cars.by.cyl<-split(mtcars, mtcars$cyl)
cars.by.cyl## $`4`
## mpg cyl disp hp drat wt qsec vs am gear carb
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
##
## $`6`
## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
##
## $`8`
## mpg cyl disp hp drat wt qsec vs am gear carb
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8W wyniku otrzymujemy listę, w której każy element jest ramką danych, o tej samej strukturze co wyjściowa ramka, ale składa się tylko z elementów, gdzie wartość mtcars$cyl jest wspólna.
Bardzo często korzystamy ze split wraz z lapply (lub sapply).