Apply Family

Pendekatan Lain dalam Melakukan Iterasi
Pada tutorial ini peneliti akan memperkenalkan beberapa apply function. Apply family merupakan pendekatan lain dalam melakukan iterasi pada R, tanpa penggunaan iterasi secara eksplisit. Input yang digunakan dapat berupa list, matriks, atau vektor tergantung pada fungsi yang akan diterapkan.

apply()

• Input: data frame atau matrix
• Output: vector
• Parameter yang digunakan:
  • X: data frame atau matrix
    
  • MARGIN: nilai 1 atau 2 yang akan mendefinisikan bagaimana function tersebut akan dilaksanakan
    1: komputasi dilakukan pada baris
    2: komputasi dilakukan pada kolom
    
  • FUN: function yang diaplikasikan pada elemen X

Berikut contoh kode menggunakan apply():

## menghitung mean/rata-rata menggunakan apply()
(m <- matrix(c(1:16),4))

##      [,1] [,2] [,3] [,4]
## [1,]    1    5    9   13
## [2,]    2    6   10   14
## [3,]    3    7   11   15
## [4,]    4    8   12   16

apply(m, 1, mean)

## [1]  7  8  9 10

apply(m, 2, mean)

## [1]  2.5  6.5 10.5 14.5

## apply() menggunakan fungsi yang dibangun sendiri (built in function)
(m <- matrix(c(1:16),4))

##      [,1] [,2] [,3] [,4]
## [1,]    1    5    9   13
## [2,]    2    6   10   14
## [3,]    3    7   11   15
## [4,]    4    8   12   16

apply(m, 1, function(x){
              max(x) - min(x)
            })

## [1] 12 12 12 12

apply(m, 2, function(x){
              max(x) - min(x)
            })

## [1] 3 3 3 3

lapply()

• Input: list atau dataframe
• Output:list dengan panjang yang sama dengan list / banyak kolom pada input
  
• Parameter yang digunakan:
  • X: list
  • FUN: function yang diaplikasikan pada elemen X

Berikut contoh kode menggunakan lapply():

## menghitung mean/rata-rata menggunakan lapply()
(m <- list(a=c(1:16),b=c(2:17), c=c(3:18)))

## $a
##  [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16
## 
## $b
##  [1]  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17
## 
## $c
##  [1]  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18

lapply(m, mean)

## $a
## [1] 8.5
## 
## $b
## [1] 9.5
## 
## $c
## [1] 10.5

## lapply() menggunakan fungsi yang dibangun sendiri (built in function)
(m <- data.frame(a=c(1:16),b=c(2:17), c=c(3:18)))

##     a  b  c
## 1   1  2  3
## 2   2  3  4
## 3   3  4  5
## 4   4  5  6
## 5   5  6  7
## 6   6  7  8
## 7   7  8  9
## 8   8  9 10
## 9   9 10 11
## 10 10 11 12
## 11 11 12 13
## 12 12 13 14
## 13 13 14 15
## 14 14 15 16
## 15 15 16 17
## 16 16 17 18

lapply(m, function(x){
              max(x) - min(x)
            })

## $a
## [1] 15
## 
## $b
## [1] 15
## 
## $c
## [1] 15

sapply()

• Input: list atau data frame
• Output: vector
• Parameter yang digunakan:
  • X: list atau data frame
  • FUN: function yang diaplikasikan pada elemen X

Berikut contoh kode menggunakan sapply():

## menghitung mean/rata-rata menggunakan sapply()
(m <- list(a=c(1:16),b=c(2:17), c=c(3:18)))

## $a
##  [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16
## 
## $b
##  [1]  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17
## 
## $c
##  [1]  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18

sapply(m, mean)

##    a    b    c 
##  8.5  9.5 10.5

## sapply() menggunakan fungsi yang dibangun sendiri (built in function)
(m <- data.frame(a=c(1:16),b=c(2:17), c=c(3:18)))

##     a  b  c
## 1   1  2  3
## 2   2  3  4
## 3   3  4  5
## 4   4  5  6
## 5   5  6  7
## 6   6  7  8
## 7   7  8  9
## 8   8  9 10
## 9   9 10 11
## 10 10 11 12
## 11 11 12 13
## 12 12 13 14
## 13 13 14 15
## 14 14 15 16
## 15 15 16 17
## 16 16 17 18

sapply(m, function(x){
              max(x) - min(x)
            })

##  a  b  c 
## 15 15 15

tapply()

• Input: vector dan factor/kategori dalam perhitungan
• Output: vector
• Parameter yang digunakan:
  • X: list, vector, atau data frame
  • INDEX: faktor/kategori
  • FUN: function yang diaplikasikan pada elemen X

Berikut contoh kode menggunakan tapply():

## menghitung mean/rata-rata menggunakan tapply()
(m <- data.frame(kategori = c(rep("a",6),rep("b",10)), x=c(1:16)))

##    kategori  x
## 1         a  1
## 2         a  2
## 3         a  3
## 4         a  4
## 5         a  5
## 6         a  6
## 7         b  7
## 8         b  8
## 9         b  9
## 10        b 10
## 11        b 11
## 12        b 12
## 13        b 13
## 14        b 14
## 15        b 15
## 16        b 16

tapply(m$x, m$kategori, mean)

##    a    b 
##  3.5 11.5

## tapply() menggunakan fungsi yang dibangun sendiri (built in function)
(m <- data.frame(kategori = c(rep("a",6),rep("b",10)), x=c(1:16)))

##    kategori  x
## 1         a  1
## 2         a  2
## 3         a  3
## 4         a  4
## 5         a  5
## 6         a  6
## 7         b  7
## 8         b  8
## 9         b  9
## 10        b 10
## 11        b 11
## 12        b 12
## 13        b 13
## 14        b 14
## 15        b 15
## 16        b 16

tapply(m$x, m$kategori, function(x){
                          max(x) - min(x)
                        })

## a b 
## 5 9

## penggunaan tapply pada data iris
data(iris)
tapply(iris$Sepal.Width, iris$Species, median)

##     setosa versicolor  virginica 
##        3.4        2.8        3.0

mapply()

• Input: multiple list atau multiple vector
• Output: vector
• Keterangan: merupakan bentuk multivariate dari sapply()
• Parameter yang digunakan:
  • FUN: function yang diaplikasikan pada elemen X
  • second parameter: parameter pertama pada FUN
  • third parameter: parameter kedua pada FUN
  • so on.

Berikut contoh kode menggunakan mapply():

## melakukan replikasi dengan function rep dan parameter 1:5 dan 5:1
mapply(rep, 1:5, 5:1)

## [[1]]
## [1] 1 1 1 1 1
## 
## [[2]]
## [1] 2 2 2 2
## 
## [[3]]
## [1] 3 3 3
## 
## [[4]]
## [1] 4 4
## 
## [[5]]
## [1] 5

## membangkitkan data normal dengan parameter n=10, mean=1:10 (akan terdapat 10 vector hasil bangkitan data), dan sd=1
mapply(rnorm, 10, 1:10,1)

##             [,1]      [,2]     [,3]     [,4]     [,5]     [,6]     [,7]
##  [1,]  1.1961534 1.6963406 4.618645 5.894743 4.088241 5.123598 8.439863
##  [2,]  0.2034527 2.4581106 2.757911 3.651548 5.213394 6.680082 5.841827
##  [3,]  1.9367635 3.1685228 1.256372 4.169594 5.018695 5.595676 7.376801
##  [4,] -0.1249677 1.6263854 4.937293 3.993845 5.325881 7.719854 6.283067
##  [5,] -1.5827068 1.5817049 1.952537 3.985288 4.356716 5.621032 7.272257
##  [6,]  0.3903382 2.9709813 2.523636 4.785467 5.636022 6.748849 7.414321
##  [7,]  2.5242723 0.7092695 3.661254 4.721182 2.768179 7.028718 6.620018
##  [8,]  2.2562072 0.9032846 4.256179 5.376143 4.381613 6.161341 8.711199
##  [9,]  0.8873105 2.7528810 1.769038 5.531389 4.709071 5.336936 7.708637
## [10,]  1.0803291 1.3756866 1.437023 3.576786 4.845625 5.170002 8.644710
##           [,8]      [,9]     [,10]
##  [1,] 8.694773  8.025237  9.765629
##  [2,] 9.470110  8.319267  9.603610
##  [3,] 9.366401 10.052400 10.217895
##  [4,] 9.632396  8.601097  7.996568
##  [5,] 7.772885  9.793937 11.502172
##  [6,] 9.082353  8.854803 10.344512
##  [7,] 8.582900  8.723166 10.586858
##  [8,] 9.151719 10.342774 11.384282
##  [9,] 6.793905  8.238479 10.151236
## [10,] 7.834430  9.631307  9.182497