Penggunaan loop dapat membantu kita dalam menghitung perhitungan berulang. Tetapi cara ini tetaplah tidak cukup efisien karena sintaksnya yang cukup panjang. Berikut adalah sintaks yang digunakan untuk menghitung nilai rata-rata 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 1.199333class(a) #cek class a## [1] "numeric"Metode alternatif lain untuk melakukan loop suatu fungsi adalah dengan menggunakan Apply function Family. Berikut beberapa fungsi dari apply family yang sering digunakan:
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 tag menentukan subset dari
data
Kita dapat melakukan spesifikasi apakah suatu fungsi hanya akan bekerja pada kolom saja, baris saja atau keudanya.
apply(X, MARGIN, FUN, ...)-> format fungsi applyX -> 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.
Fun -> fungsi yang akan digunakan.
Contoh implementasi pada matriks:
## membuat matriks
x <- cbind(x1 = 3, x2 = c(2:4, 5:7))
x # print## x1 x2
## [1,] 3 2
## [2,] 3 3
## [3,] 3 4
## [4,] 3 5
## [5,] 3 6
## [6,] 3 7class(x) #untuk memeriksa kelas x## [1] "matrix" "array"## menghitung mean masing-masing kolom
apply(x, MARGIN=2 ,FUN=mean, trim=0.2, na.rm=TRUE)## x1 x2
## 3.0 4.5## 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 3 4Output yang dihasilkan juga merupakan list dengan panjang list yang sama dengan yang diinputkan.
lapply(X, FUN, ...) -> format dari lapplyX -> vektor, data frame atau list
FUN -> fungsi yang akan digunakan
contoh implementasi fungsi lapply:
## Membuat list
x <- list(a = 1:5, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE))
x # print## $a
## [1] 1 2 3 4 5
##
## $beta
## [1] 0.04978707 0.13533528 0.36787944 1.00000000 2.71828183 7.38905610
## [7] 20.08553692
##
## $logic
## [1] TRUE FALSE FALSE TRUEclass(x) #periksa kelas x## [1] "list"## Menghitung nilai mean pada masing-masing baris lits
lapply(x, FUN=mean)## $a
## [1] 3
##
## $beta
## [1] 4.535125
##
## $logic
## [1] 0.5## 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 25Perbedaan sapply() dan lapply() terletak
pada output default yang dihasilkan. sapply() menerima
input utama berupa list (dapat pula datafrane atau vektor), namun
lapply() jenis data output yang dihasilkan adalah
vektor
sapply(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) -> format dari sapplyX -> vektor, data frame atau list
FUN -> fungsi yang akan digunkan
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 elemennya, maka nama elemen tersebut akan secara default ditampilkan.
Contoh implemntasi dari sapply
## membuat list
x <- list(a = 1:5, beta = exp(-2:3), logic = c(TRUE,FALSE,FALSE,TRUE))
## menghitung nilai mean setiap elemen
sapply(x, FUN=mean)## a beta logic
## 3.000000 5.282682 0.500000## menghitung nilai mean dengan output list
sapply(x, FUN=mean, simplify=FALSE)## $a
## [1] 3
##
## $beta
## [1] 5.282682
##
## $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() merupkan bentuk lain dari
sapply(). Perbedaannya terdapat pada proses kecepatan
fungsi ini lebih cepat dari sapply(). Kita dapat
menambahkan argumen FUN.VALUE pada fungsi ini.
vapply(X, FUN, FUN.VALUE, ..., USE.NAMES = TRUE) -> format dari vapplyX -> vektor, data frame atau list
FUN -> fungsi yang akan digunakan.
FUN.VALUE -> vektor, template dari return value FUN.
USE.NAMES -> jika list memiliki nama pada setiap elemennya, maka nama elemen tersebut akan tampil secara default
Contoh implimentasi dari vapply()
## membuat list
x <- sapply(2:6, seq)
x # print## [[1]]
## [1] 1 2
##
## [[2]]
## [1] 1 2 3
##
## [[3]]
## [1] 1 2 3 4
##
## [[4]]
## [1] 1 2 3 4 5
##
## [[5]]
## [1] 1 2 3 4 5 6## 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]
## Min. 1.0 1.0 1.0 1 1.0
## 1st Qu. 1.0 1.5 1.5 2 2.0
## Median 1.5 2.0 2.5 3 3.5
## 3rd Qu. 2.0 2.5 3.5 4 5.0
## Max. 2.0 3.0 4.0 5 6.0## 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 8.0000tapply() sangat berguna jika pembaca ingin menghitung
suatu nilai misalnya mean berdasarkan group data atau factor.
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE) -> format dari tapplyX -> vektor, data frame atau list
INDEX -> list satu atau beberapa factor yang memiliki panjang sama dengan X
FUN -> fungsi yang akan digunakan
simplify -> logical. Jika nilainya True maka output
yang dihasilkan akan berbentuk skalar
contoh implemetasi dari tapply() :
## membuat tabel frekuensi
groups <- as.factor(rbinom(32, n = 7, prob = 0.7))
tapply(groups, groups, length)## 19 21 22 23
## 1 2 2 2# atau
table(groups)## groups
## 19 21 22 23
## 1 2 2 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