UNIVERSIDAD CENTRAL DEL ECUADOR

FACULTAD DE CIENCIAS ECONOMICAS

CARRERA DE ESTADÍSTICA

Autores:

Colaborador:

EJERCICIOS DE REPASO - apply, tapply, sapply

EJERICICIO N°1: apply

PROCEDIMIENTO

Data frame

df <- data.frame(x = 1:4, y = 5:8, z = 10:13)

df
##   x y  z
## 1 1 5 10
## 2 2 6 11
## 3 3 7 12
## 4 4 8 13
  • apply: Esta función nos permite realizar cálculos tanto en filas como en columnas de una matriz

Aquí se suma el total de elementos de cada una de las filas de un data frame

apply(X = df, MARGIN = 1, FUN = sum)
## [1] 16 19 22 25
apply(df, 1, sum)
## [1] 16 19 22 25

Obtenemos la suma del total de elementos de cada filas, tomando en cuenta solo la primera y segunda fila

apply(df[c(1, 2), ], 1, sum)
##  1  2 
## 16 19

Suma del total de elemtos de cada columna

apply(df, 2, sum)
##  x  y  z 
## 10 26 46

Suma del total de elemtos de la columna 1 y 3.

apply(df[, c(1, 3)], 2, sum)
##  x  z 
## 10 46

Muestra la matriz original

apply(df, c(1, 2), sum)
##      x y  z
## [1,] 1 5 10
## [2,] 2 6 11
## [3,] 3 7 12
## [4,] 4 8 13

Las columnas se vuelven filas y las filas columnas

apply(df, c(2, 1), sum)
##   [,1] [,2] [,3] [,4]
## x    1    2    3    4
## y    5    6    7    8
## z   10   11   12   13

Tenemos la media cada fila.

apply(df, 1, mean, na.rm = TRUE)
## [1] 5.333333 6.333333 7.333333 8.333333

Creación de una función FUNCION

fun <- function(x, character = FALSE) {
  
  if (character == FALSE) {
    
    x ^ 2
    
  } else {
    
    as.character(x ^2)
    
  }
  
}

Aquí la función eleva al cuadrado a cada elemento del data frame, y las columnas se presentan como filas

apply(df, 1, fun)
##   [,1] [,2] [,3] [,4]
## x    1    4    9   16
## y   25   36   49   64
## z  100  121  144  169

Muestra cada elemento al cuadrado pero como caractér, y de igual manera muestra las columnas como filas

apply(df, 1, fun, character = TRUE)
##      [,1]  [,2]  [,3]  [,4] 
## [1,] "1"   "4"   "9"   "16" 
## [2,] "25"  "36"  "49"  "64" 
## [3,] "100" "121" "144" "169"

Aparece cada elemento al cuadrado, manteniendo las filas y columnas en el mismo orden

apply(df, 2, fun)
##       x  y   z
## [1,]  1 25 100
## [2,]  4 36 121
## [3,]  9 49 144
## [4,] 16 64 169

La función se aplica tanto a filas como a columnas

apply(df, c(1, 2), fun)
##       x  y   z
## [1,]  1 25 100
## [2,]  4 36 121
## [3,]  9 49 144
## [4,] 16 64 169

Creación de una función

f <- function(x) sum(exp(x))

Suma por filas el total de haber elevar a euler, cada valor del data frame

apply(df, 1, f)
## [1]  22177.60  60284.96 163871.51 445448.95

Suma por columnas el total de haber elevar a euler, cada valor del data frame

apply(df, 2, f)
##            x            y            z 
##     84.79102   4629.43310 687068.79094

Da el total de haber elevar a euler, cada valor del data frame

apply(df, 1:2, f)
##              x         y         z
## [1,]  2.718282  148.4132  22026.47
## [2,]  7.389056  403.4288  59874.14
## [3,] 20.085537 1096.6332 162754.79
## [4,] 54.598150 2980.9580 442413.39

Da el mínimo de cada columna

apply(df, 2, min)
##  x  y  z 
##  1  5 10

Da el rango de cada columna

apply(df, 2, range)
##      x y  z
## [1,] 1 5 10
## [2,] 4 8 13

Da un resumen estadístico por filas

apply(df, 1, summary)
##              [,1]      [,2]      [,3]      [,4]
## Min.     1.000000  2.000000  3.000000  4.000000
## 1st Qu.  3.000000  4.000000  5.000000  6.000000
## Median   5.000000  6.000000  7.000000  8.000000
## Mean     5.333333  6.333333  7.333333  8.333333
## 3rd Qu.  7.500000  8.500000  9.500000 10.500000
## Max.    10.000000 11.000000 12.000000 13.000000

Da un resumen estadístico por columnas

apply(df, 2, summary)
##            x    y     z
## Min.    1.00 5.00 10.00
## 1st Qu. 1.75 5.75 10.75
## Median  2.50 6.50 11.50
## Mean    2.50 6.50 11.50
## 3rd Qu. 3.25 7.25 12.25
## Max.    4.00 8.00 13.00

Creamos un arreglo con 3 elementos cada uno de 3X2

ar <- array(data = 1:18, dim = c(3, 2, 3))

Tenemos el total por elemento del arreglo, de sumar cada valor que hay dentro de cada elemento

apply(ar, 3, sum)
## [1] 21 57 93

EJERICICIO N°2

PROCEDIMIENTO

Crea un valor semilla o inicial

set.seed(2)

Elaboro un data frame con datos aleatorios

data_set <- data.frame(precio = round(rnorm(25, sd = 10, mean = 30)),
                       
                       tipo = sample(1:4, size = 25, replace = TRUE),
                       
                       tienda = sample(paste("Tienda", 1:4),
                                       
                                       size = 25, replace = TRUE))

Ver las primeras filas del data frame

head(data_set)
##   precio tipo   tienda
## 1     21    2 Tienda 2
## 2     32    3 Tienda 3
## 3     46    4 Tienda 4
## 4     19    3 Tienda 4
## 5     29    1 Tienda 4
## 6     31    3 Tienda 4

Asigno a una variable el campo precio del data frame

precio <- data_set$precio

Asigno a una variable el campo precio del data frame

tienda<- data_set$tienda

Crear niveles en la variable tipo

tipo <- factor(data_set$tipo,
               
               labels = c("juguetes", "comida", "electrónica", "bebidas"))

Da el precio promedio según el tipo de producto

precios_medios <- tapply(precio, tipo, mean)

precios_medios
##    juguetes      comida electrónica     bebidas 
##    39.50000    30.33333    32.20000    29.33333

Nos indica que clase de dato es la variable precios_medios

class(precios_medios)
## [1] "array"

Elegimos de la variable precios_medio el según elemento que corresponde a comida para ver su precio promedio

precios_medios[2]
##   comida 
## 30.33333

Tenemos los precios promedios segun el tipo, en forma de una lista

lista_precios_medios <- tapply(precio, tipo, mean, simplify = FALSE)

lista_precios_medios
## $juguetes
## [1] 39.5
## 
## $comida
## [1] 30.33333
## 
## $electrónica
## [1] 32.2
## 
## $bebidas
## [1] 29.33333

Seleccionamos de la lista creada (lista_precios_medios) elegimos el elemento correspondiente a juguetes

lista_precios_medios$juguetes
## [1] 39.5

Coloca un dato perdido en el elemento que se encuentra en la posición [1,1] del data frame

data_set[1, 1] <- NA

Coloca un dato perdido en el elemento que se encuentra en la posición [2,3] del data frame

data_set[2, 3] <- NA

Tenemos el precio promedio por tienda

tapply(data_set$precio, data_set$tienda, mean)
## Tienda 1 Tienda 2 Tienda 3 Tienda 4 
## 32.00000       NA 39.25000 33.14286

Tenemos el precio promedio por tienda, además que vamos a eliminar los datos perdidos o no disponibles

tapply(data_set$precio, data_set$tienda, mean, na.rm = TRUE)
## Tienda 1 Tienda 2 Tienda 3 Tienda 4 
## 32.00000 33.50000 39.25000 33.14286

Creo una función para obtener el promedio y ademas elimine los datos perdidos o no disponibles

f <- function(x) mean(x, na.rm = TRUE)

tapply(data_set$precio, data_set$tienda, f)
## Tienda 1 Tienda 2 Tienda 3 Tienda 4 
## 32.00000 33.50000 39.25000 33.14286

Tenemos el precio promedio segun el tipo y la tienda

tapply(precio, list(tipo, tienda), mean)
##             Tienda 1 Tienda 2 Tienda 3 Tienda 4
## juguetes          46 31.00000       49 36.66667
## comida            26 30.33333       39       NA
## electrónica       50 29.00000       32 25.00000
## bebidas           22 40.00000       20 36.00000

Realizamos el mismo procedimiento, solo que ahora reemplazamos los valores no disponibles con cero

tapply(precio, list(tipo, tienda), mean, default = 0)
##             Tienda 1 Tienda 2 Tienda 3 Tienda 4
## juguetes          46 31.00000       49 36.66667
## comida            26 30.33333       39  0.00000
## electrónica       50 29.00000       32 25.00000
## bebidas           22 40.00000       20 36.00000

EJERICICIO N°3: Sapply

Función Sapply La Función Sapply estudia la salida de los posibles resultados

PROCEDIMIENTO

  1. Podemos observa la raiz de los numeros del 1:4 con la función sapply
sapply(1:4, sqrt)
## [1] 1.000000 1.414214 1.732051 2.000000
sapply(1:4, function(i) sqrt(i))
## [1] 1.000000 1.414214 1.732051 2.000000
  1. Mediante una función utilizaremos realizaremos un otro ejemplo para utilizar sapply.
mi_fun <- function(i) {
  
  sqrt(i)
  
}
sapply(1:4, mi_fun)
## [1] 1.000000 1.414214 1.732051 2.000000
  1. Con el uso del for determinamos una cantidad de veces se ejecute el bucle.
out <- numeric(10)
for (i in 1:10) {
  
  out[i] <- i ^ 2
  
}

out
##  [1]   1   4   9  16  25  36  49  64  81 100
sapply(1:10, function(i) i ^ 2)
##  [1]   1   4   9  16  25  36  49  64  81 100
  1. Utilizamos list para trabajar con la función sapply.
Lista <- list(A = 1:5, B = 6:20, C = 1)

sapply(Lista, length)
##  A  B  C 
##  5 15  1

EJERICICIO N°4: sapply vs lapply

PROCEDIMIENTO 

sapply(c(3, 5, 7), exp)
## [1]   20.08554  148.41316 1096.63316
lapply(c(3, 5, 7), exp)
## [[1]]
## [1] 20.08554
## 
## [[2]]
## [1] 148.4132
## 
## [[3]]
## [1] 1096.633
sapply(c(3, 5, 7), exp, simplify = FALSE)
## [[1]]
## [1] 20.08554
## 
## [[2]]
## [1] 148.4132
## 
## [[3]]
## [1] 1096.633

En cada línea que corremos con sapply y lapply podemos ver que si corremos con la función sapply podemos ver que nos da nuestros resultados de forma horizontal y cuando corremos con la función lapply nos corre el resultado de forma vertical con el resultado redondeado pero si agregamos a la función sapply “simplify = F” nos corre como si hubieramos corrido lapply

as.list(sapply(c(3, 5, 7), exp))
## [[1]]
## [1] 20.08554
## 
## [[2]]
## [1] 148.4132
## 
## [[3]]
## [1] 1096.633
simplify2array(lapply(c(3, 5, 7), exp))
## [1]   20.08554  148.41316 1096.63316

Se crea un as.list para visulizar de forma vertical llegando al mismo resultado que de lapply

unlist(lapply(c(3, 5, 7), exp))
## [1]   20.08554  148.41316 1096.63316
mi_lista <- list(A = c(1, 4, 6), B = c(8, NA, 9 , 5))
sapply(mi_lista, sum)
##  A  B 
## 11 NA
sapply(mi_lista, sum, na.rm = TRUE)
##  A  B 
## 11 22

Aquí podemos ver como si corremos sapply sin “na.rm=True” no podremos visualizar de una manera correcta ya que existe un valor NA pero si corremos la función con na.rm=True podemos ver si nos arroja un resultado que en este caso es 22

matrix(1, ncol = 3, nrow = 3)
##      [,1] [,2] [,3]
## [1,]    1    1    1
## [2,]    1    1    1
## [3,]    1    1    1
sapply(1:3, function(i) matrix(i, ncol = 3, nrow = 3))
##       [,1] [,2] [,3]
##  [1,]    1    2    3
##  [2,]    1    2    3
##  [3,]    1    2    3
##  [4,]    1    2    3
##  [5,]    1    2    3
##  [6,]    1    2    3
##  [7,]    1    2    3
##  [8,]    1    2    3
##  [9,]    1    2    3
sapply(1:3, function(i) matrix(i, ncol = 3, nrow = 3), simplify = "array")
## , , 1
## 
##      [,1] [,2] [,3]
## [1,]    1    1    1
## [2,]    1    1    1
## [3,]    1    1    1
## 
## , , 2
## 
##      [,1] [,2] [,3]
## [1,]    2    2    2
## [2,]    2    2    2
## [3,]    2    2    2
## 
## , , 3
## 
##      [,1] [,2] [,3]
## [1,]    3    3    3
## [2,]    3    3    3
## [3,]    3    3    3
sapply(1:3, function(i) matrix(i, ncol = 3, nrow = 3), simplify = FALSE)
## [[1]]
##      [,1] [,2] [,3]
## [1,]    1    1    1
## [2,]    1    1    1
## [3,]    1    1    1
## 
## [[2]]
##      [,1] [,2] [,3]
## [1,]    2    2    2
## [2,]    2    2    2
## [3,]    2    2    2
## 
## [[3]]
##      [,1] [,2] [,3]
## [1,]    3    3    3
## [2,]    3    3    3
## [3,]    3    3    3

Aquí podemos visualizar que si corremos de las dos formas con “simplify=array” y “simplify = false” podemos observar que no arroja un mismo resultado

df <- trees

res <- data.frame()

for(i in 1:ncol(df)) {
  
  for (j in 1:nrow(df)) {
    
    res[j, i] <- df[j, i] * 2
    
  }
  
}


sapply(1:ncol(df), function(i) {
  
  sapply(1:nrow(df), function(j) {
    
    df[j, i] * 2
    
  })
  
})
##       [,1] [,2]  [,3]
##  [1,] 16.6  140  20.6
##  [2,] 17.2  130  20.6
##  [3,] 17.6  126  20.4
##  [4,] 21.0  144  32.8
##  [5,] 21.4  162  37.6
##  [6,] 21.6  166  39.4
##  [7,] 22.0  132  31.2
##  [8,] 22.0  150  36.4
##  [9,] 22.2  160  45.2
## [10,] 22.4  150  39.8
## [11,] 22.6  158  48.4
## [12,] 22.8  152  42.0
## [13,] 22.8  152  42.8
## [14,] 23.4  138  42.6
## [15,] 24.0  150  38.2
## [16,] 25.8  148  44.4
## [17,] 25.8  170  67.6
## [18,] 26.6  172  54.8
## [19,] 27.4  142  51.4
## [20,] 27.6  128  49.8
## [21,] 28.0  156  69.0
## [22,] 28.4  160  63.4
## [23,] 29.0  148  72.6
## [24,] 32.0  144  76.6
## [25,] 32.6  154  85.2
## [26,] 34.6  162 110.8
## [27,] 35.0  164 111.4
## [28,] 35.8  160 116.6
## [29,] 36.0  160 103.0
## [30,] 36.0  160 102.0
## [31,] 41.2  174 154.0
plot(rnorm(10), ylim = c(-6, 6))

nlines <- 5

for (i in 1:nlines) {
  
  lines(-i:i, col = i, lwd = 3)
  
  
}

plot(rnorm(10), ylim = c(-6, 6))

nlines <- 5

invisible(sapply(1:nlines, function(i) lines(-i:i, col = i, lwd = 3)))

Aquí podemos observar 2 gráficos de dispersion con la función plot donde nos arroja un mismo resultado con la función for y la rnorm”