Loop Menggunakan Apply Function |
Penggunaan loop sangat membantu kita dalam melakukan proses perhitungan berulang. Namun, metode ini tidak cukup ringkas dalam penerapannya dan perlu penulisan sintaks yang cukup panjang untuk menyelesaikan sebuah kasus yang kita inginkan. Berikut adalah sebuah sintaks yang digunakan untuk menghitung nilai mean pada suatu data set :
# subset data iris sub_iris <- iris[,-5] # membuat vektor untuk menyimpan hasil loop a <- rep(NA,4) # loop for(i in 1:length(sub_iris)){ a[i]<-mean(sub_iris[,i]) } # print a## [1] 5.843333 3.057333 3.758000 1.199333
class(a) # cek kelas objek## [1] "numeric"
Metode alternatif lain untuk melakukan loop suatu fungsi adalah dengan menggunakan Apply function family. Metode ini memungkinkan kita untuk melakukan loop suatu fungsi tanpa perlu menuliskan sintaks loop. Berikut adalah beberapa fungsi dari apply family yang nantinya akan sering kita gunakan :
apply(): fungsi generik yang mengaplikasikan fungsi kepada kolom atau baris pada matriks atau secara lebih general aplikasi dilakukan pada dimensi untuk jenis data array.
lapply(): fungsi apply yang bekerja pada jenis data list dan memberikan output berupa list juga.
sapply(): bentuk sederhana dari lapply yang menghasilkan output berupa matriks atau vektor.
vapply(): disebut juga verified apply (memungkinkan untuk menghasilkan output dengan jenis data yang telah ditentukan sebelumnya).
tapply(): tagged apply dimana dimana tag menentukan subset dari data.
Apply |
Fungsi apply() bekerja dengan jenis data matrik atau array (jenis data homogen). Kita dapat melakukan spesifikasi apakah suatu fungsi hanya akan bekerja pada kolom saja, baris saja atau keduanya. Format fungsi ini adalah sebagai berikut :
Catatan :
X : matriks atau array
MARGIN : menentukan bagaimana fungsi bekerja terhadap matriks atau array. Jika nilai yang diinputkan 1, maka fungsi akan bekerja pada masing-masing baris pada matriks. Jika nilainya 2, maka fungsi akan bekerja pada tiap kolom pada matriks.
FUN : fungsi yang akan digunakan. Fungsi yang dapat digunakan dapat berupa fungsi dasar matematika atau statistika, serta user define function
… : opsional argumen pada fungsi yang digunakan.
Berikut adalah contoh bagaimana aplikasi fungsi tersebut pada matriks :
## membuat matriks x <- cbind(x1 = 3, x2 = c(4:1, 2:5)) x # print## x1 x2 ## [1,] 3 4 ## [2,] 3 3 ## [3,] 3 2 ## [4,] 3 1 ## [5,] 3 2 ## [6,] 3 3 ## [7,] 3 4 ## [8,] 3 5
class(x) # cek kelas objek## [1] "matrix" "array"
## menghitung mean masing-masing kolom apply(x, MARGIN=2 ,FUN=mean, trim=0.2, na.rm=TRUE)## x1 x2 ## 3 3
## menghitung range pada masing-masing baris ## menggunakan user define function apply(x, MARGIN=1, FUN=function(x){ max(x)-min(x) })## [1] 1 0 1 2 1 0 1 2
Lapply |
Fungsi ini melakukan loop fungsi terhadap input data berupa list. Output yang dihasilkan juga merupakan list dengan panjang list yang sama dengan yang diinputkan. Format yang digunakan adalah sebagai berikut:
Catatan :
X : vektor, data frame atau list,
FUN : fungsi yang akan digunakan. fungsi yang dapat digunakan dapat berupa fungsi dasar matematika atau statistika, serta user define function. Subset juga dimungkinkan pada fungsi ini.
… : opsional argumen pada fungsi yang digunakan.
Berikut adalah contoh penerapan fungsi lapply :
## Membuat list x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE)) x # print## $a ## [1] 1 2 3 4 5 6 7 8 9 10 ## ## $beta ## [1] 0.04978707 0.13533528 0.36787944 1.00000000 2.71828183 7.38905610 ## [7] 20.08553692 ## ## $logic ## [1] TRUE FALSE FALSE TRUE
class(x) # cek kelas objek## [1] "list"
## Menghitung mean tiap kolom dataset iris lapply(iris, FUN=mean)## Warning in mean.default(X[[i]], ...): argument is not numeric or logical: ## returning NA## $Sepal.Length ## [1] 5.843333 ## ## $Sepal.Width ## [1] 3.057333 ## ## $Petal.Length ## [1] 3.758 ## ## $Petal.Width ## [1] 1.199333 ## ## $Species ## [1] NA
## Mengalikan elemen vektor dengan suatu nilai y <- c(1:5) lapply(y, FUN=function(x){x*5})## [[1]] ## [1] 5 ## ## [[2]] ## [1] 10 ## ## [[3]] ## [1] 15 ## ## [[4]] ## [1] 20 ## ## [[5]] ## [1] 25
## Mengubah output menjadi vektor unlist(lapply(y, FUN=function(x){x*5}))## [1] 5 10 15 20 25
Sapply |
Fungsi sapply() merupakan bentuk lain dari fungsi lapply(). Perbedaanya terletak pada output default yang dihasilkan. Secara default sapply() menerima input utama berupa list (dapat pula dataframe atau vektor), namun tidak seperti lapply() jenis data output yang dihasilkan adalah vektor. Untuk mengubah output menjadi list perlu argumen tambahan berupa simplify=FALSE. Format fungsi tersebut adalah sebagai berikut :
Catatan :
X : vektor, data frame atau list,
FUN : fungsi yang akan digunakan. fungsi yang dapat digunakan dapat berupa fungsi dasar matematika atau statistika, serta user define function. Subset juga dimungkinkan pada fungsi ini.
… : opsional argumen pada fungsi yang digunaka
Simplify : logical. jika nilainya TRUE maka output yang dihasilkan adalah bentuk sederhana dari vektor, matrix, atau array.
USE.NAMES : jika list memiliki nama pada setiap elementnya, makan nama element tersebut akan secara default ditampilkan
Berikut adalah contoh penerapannya:
## membuat list x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE)) ## menghitung nilai mean setiap elemen sapply(x, FUN=mean)## a beta logic ## 5.500000 4.535125 0.500000
## menghitung nilai mean dengan output list sapply(x, FUN=mean, simplify=FALSE)## $a ## [1] 5.5 ## ## $beta ## [1] 4.535125 ## ## $logic ## [1] 0.5
## summary objek dataframe sapply(mtcars, FUN=summary)## mpg cyl disp hp drat wt qsec vs ## Min. 10.40000 4.0000 71.1000 52.0000 2.760000 1.51300 14.50000 0.0000 ## 1st Qu. 15.42500 4.0000 120.8250 96.5000 3.080000 2.58125 16.89250 0.0000 ## Median 19.20000 6.0000 196.3000 123.0000 3.695000 3.32500 17.71000 0.0000 ## Mean 20.09062 6.1875 230.7219 146.6875 3.596563 3.21725 17.84875 0.4375 ## 3rd Qu. 22.80000 8.0000 326.0000 180.0000 3.920000 3.61000 18.90000 1.0000 ## Max. 33.90000 8.0000 472.0000 335.0000 4.930000 5.42400 22.90000 1.0000 ## am gear carb ## Min. 0.00000 3.0000 1.0000 ## 1st Qu. 0.00000 3.0000 2.0000 ## Median 0.00000 4.0000 2.0000 ## Mean 0.40625 3.6875 2.8125 ## 3rd Qu. 1.00000 4.0000 4.0000 ## Max. 1.00000 5.0000 8.0000
## summary objek list a <- list(mobil=mtcars, anggrek=iris) sapply(a, FUN=summary)## $mobil ## mpg cyl disp hp ## Min. :10.40 Min. :4.000 Min. : 71.1 Min. : 52.0 ## 1st Qu.:15.43 1st Qu.:4.000 1st Qu.:120.8 1st Qu.: 96.5 ## Median :19.20 Median :6.000 Median :196.3 Median :123.0 ## Mean :20.09 Mean :6.188 Mean :230.7 Mean :146.7 ## 3rd Qu.:22.80 3rd Qu.:8.000 3rd Qu.:326.0 3rd Qu.:180.0 ## Max. :33.90 Max. :8.000 Max. :472.0 Max. :335.0 ## drat wt qsec vs ## Min. :2.760 Min. :1.513 Min. :14.50 Min. :0.0000 ## 1st Qu.:3.080 1st Qu.:2.581 1st Qu.:16.89 1st Qu.:0.0000 ## Median :3.695 Median :3.325 Median :17.71 Median :0.0000 ## Mean :3.597 Mean :3.217 Mean :17.85 Mean :0.4375 ## 3rd Qu.:3.920 3rd Qu.:3.610 3rd Qu.:18.90 3rd Qu.:1.0000 ## Max. :4.930 Max. :5.424 Max. :22.90 Max. :1.0000 ## am gear carb ## Min. :0.0000 Min. :3.000 Min. :1.000 ## 1st Qu.:0.0000 1st Qu.:3.000 1st Qu.:2.000 ## Median :0.0000 Median :4.000 Median :2.000 ## Mean :0.4062 Mean :3.688 Mean :2.812 ## 3rd Qu.:1.0000 3rd Qu.:4.000 3rd Qu.:4.000 ## Max. :1.0000 Max. :5.000 Max. :8.000 ## ## $anggrek ## Sepal.Length Sepal.Width Petal.Length Petal.Width ## Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 ## 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 ## Median :5.800 Median :3.000 Median :4.350 Median :1.300 ## Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199 ## 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800 ## Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500 ## Species ## setosa :50 ## versicolor:50 ## virginica :50 ## ## ##
Vapply |
Funsgi ini merupakan bentuk lain dari sapply(). Bedanya secara kecepatan proses fungsi ini lebih cepat dari sapply(). Hal yang menarik dari fungsi ini kita dapat menambahkan argumen FUN.VALUE. pada argumen ini kita memasukkan vektor berupa output fungsi yang diinginkan. Perbedaan lainnya adalah output yang dihasilkan hanya berupa matriks atau array. Format dari fungsi ini adalah sebagai berikut :
Catatan :
X : vektor, data frame atau list,
FUN : fungsi yang akan digunakan. fungsi yang dapat digunakan dapat berupa fungsi dasar matematika atau statistika, serta user define function. Subset juga dimungkinkan pada fungsi ini.
FUN.VALUE : vektor, template, dari return value FUN.
… : opsional argumen pada fungsi yang digunakan
USE.NAMES : jika list memiliki nama pada setiap elementnya, maka nama element tersebut akan secara default ditampilkan
Berikut adalah contoh penerapannya :
## membuat list x <- sapply(3:9, seq) x # print## [[1]] ## [1] 1 2 3 ## ## [[2]] ## [1] 1 2 3 4 ## ## [[3]] ## [1] 1 2 3 4 5 ## ## [[4]] ## [1] 1 2 3 4 5 6 ## ## [[5]] ## [1] 1 2 3 4 5 6 7 ## ## [[6]] ## [1] 1 2 3 4 5 6 7 8 ## ## [[7]] ## [1] 1 2 3 4 5 6 7 8 9
## membuat ringkasan data pada tiap elemen list vapply(x, fivenum, c(Min. = 0, "1st Qu." = 0, Median = 0, "3rd Qu." = 0, Max. = 0))## [,1] [,2] [,3] [,4] [,5] [,6] [,7] ## Min. 1.0 1.0 1 1.0 1.0 1.0 1 ## 1st Qu. 1.5 1.5 2 2.0 2.5 2.5 3 ## Median 2.0 2.5 3 3.5 4.0 4.5 5 ## 3rd Qu. 2.5 3.5 4 5.0 5.5 6.5 7 ## Max. 3.0 4.0 5 6.0 7.0 8.0 9
## membuat ringkasan data pada tiap kolom dataframe vapply(mtcars, summary, c(Min. = 0, "1st Qu." = 0, Median = 0, "3rd Qu." = 0, Max. = 0, Mean=0))## mpg cyl disp hp drat wt qsec vs ## Min. 10.40000 4.0000 71.1000 52.0000 2.760000 1.51300 14.50000 0.0000 ## 1st Qu. 15.42500 4.0000 120.8250 96.5000 3.080000 2.58125 16.89250 0.0000 ## Median 19.20000 6.0000 196.3000 123.0000 3.695000 3.32500 17.71000 0.0000 ## 3rd Qu. 20.09062 6.1875 230.7219 146.6875 3.596563 3.21725 17.84875 0.4375 ## Max. 22.80000 8.0000 326.0000 180.0000 3.920000 3.61000 18.90000 1.0000 ## Mean 33.90000 8.0000 472.0000 335.0000 4.930000 5.42400 22.90000 1.0000 ## am gear carb ## Min. 0.00000 3.0000 1.0000 ## 1st Qu. 0.00000 3.0000 2.0000 ## Median 0.00000 4.0000 2.0000 ## 3rd Qu. 0.40625 3.6875 2.8125 ## Max. 1.00000 4.0000 4.0000 ## Mean 1.00000 5.0000 8.0000
Tapply |
Fungsi ini sangat berguna jika pembaca ingin menghitung suatu nilai misalnya mean berdasarkan grup data atau factor. Format fungsi ini adalah sebagai berikut :
Catatan :
X : vektor, data frame atau list,
INDEX : list satu atau beberapa faktor yag memiliki panjang sama dengan X
FUN : fungsi yang akan digunakan. fungsi yang dapat digunakan dapat berupa fungsi dasar matematika atau statistika, serta user define function. Subset juga dimungkinkan pada fungsi ini.
… : opsional argumen pada fungsi yang digunakan
simplify : logical. jika nilainya TRUE maka output yang dihasilka adalah bentuk skalar
Berikut adalah contoh penerapannya :
## membuat tabel frekuensi groups <- as.factor(rbinom(32, n = 5, prob = 0.4)) tapply(groups, groups, length)## 11 13 14 16 ## 1 1 1 2
# atau table(groups)## groups ## 11 13 14 16 ## 1 1 1 2
## membuat tabel kontingensi # menghitung jumlah breaks berdasarkan faktor jenis wool # dan tensi level tapply(X=warpbreaks$breaks, INDEX=warpbreaks[,-1], FUN=sum)## tension ## wool L M H ## A 401 216 221 ## B 254 259 169
# menghitung mean panjang gigi babi hutan berdasarkan # jenis suplemen dan dosisnya tapply(ToothGrowth$len, ToothGrowth[,-1], mean)## dose ## supp 0.5 1 2 ## OJ 13.23 22.70 26.06 ## VC 7.98 16.77 26.14
# menghitung mpg minimum berdasarkan jumlah silinder pada mobil tapply(mtcars$mpg, mtcars$cyl, min, simplify=FALSE)## $`4` ## [1] 21.4 ## ## $`6` ## [1] 17.8 ## ## $`8` ## [1] 10.4
Referensi |