R语言：利用apply、tapply、lapply、sapply、mapply、table等函数进行分组统计

cite：http://blog.sina.com.cn/s/blog_6caea8bf0100xkpg.html

apply函数（对一个数组按行或者按列进行计算）：

使用格式为：

apply(X, MARGIN, FUN, ...)

其中X为一个数组；MARGIN为一个向量（表示要将函数FUN应用到X的行还是列），若为1表示取行，为2表示取列，为c(1,2)表示行、列都计算。

示例代码：

> ma <- matrix(c(1:4, 1, 6:8), nrow = 2)> ma     [,1] [,2] [,3] [,4][1,]    1    3    1    7[2,]    2    4    6    8> apply(ma, c(1,2), sum)     [,1] [,2] [,3] [,4][1,]    1    3    1    7[2,]    2    4    6    8> apply(ma, 1, sum)[1] 12 20> apply(ma, 2, sum)[1]  3  7  7 15

函数tapply（进行分组统计）：

使用格式为：

tapply(X, INDEX, FUN = NULL, ...,simplify = TRUE)

其中X通常是一向量；INDEX是一个list对象，且该list中的每一个元素都是与X有同样长度的因子；FUN是需要计算的函数；simplify是逻辑变量，若取值为TRUE（默认值），且函数FUN的计算结果总是为一个标量值，那么函数tapply返回一个数组；若取值为FALSE，则函数tapply的返回值为一个list对象。需要注意的是，当第二个参数INDEX不是因子时，函数 tapply() 同样有效，因为必要时 R会用 as.factor()把参数强制转换成因子。

示例代码：

> fac <- factor(rep(1:3, length = 17), levels = 1:5)> fac [1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2Levels: 1 2 3 4 5> tapply(1:17, fac, sum) 1  2  3  4  551 57 45 NA NA> tapply(1:17, fac, sum, simplify = FALSE)$`1`[1] 51$`2`[1] 57$`3`[1] 45$`4`NULL$`5`NULL> tapply(1:17, fac, range)$`1`[1]  1 16$`2`[1]  2 17$`3`[1]  3 15$`4`NULL$`5`NULL#利用tapply实现类似于excel里的数据透视表的功能：> da   year province sale1  2007        A    12  2007        B    23  2007        C    34  2007        D    45  2008        A    56  2008        C    67  2008        D    78  2009        B    89  2009        C    910 2009        D   10> attach(da)> tapply(sale,list(year,province)) [1]  1  4  7 10  2  8 11  6  9 12> tapply(sale,list(year,province),mean)      A  B C  D2007  1  2 3  42008  5 NA 6  72009 NA  8 9 10

函数table（求因子出现的频数）：

使用格式为：

table(..., exclude = if (useNA =="no") c(NA, NaN), useNA = c("no",

   "ifany", "always"), dnn = list.names(...),deparse.level = 1)

其中参数exclude表示哪些因子不计算。

示例代码：

> d <- factor(rep(c("A","B","C"), 10), levels=c("A","B","C","D","E"))> d [1] A B C A B C A B C A B C A B C A B C A B C A B C A B C A B CLevels: A B C D E> table(d)d A  B  C  D  E10 10 10  0  0> table(d, exclude="B")d A  C  D  E10 10  0  0

函数lapply与函数sapply：

lapply的使用格式为：

lapply(X, FUN, ...)

lapply的返回值是和一个和X有相同的长度的list对象，这个list对象中的每个元素是将函数FUN应用到X的每一个元素。其中X为List对象（该list的每个元素都是一个向量），其他类型的对象会被R通过函数as.list()自动转换为list类型。

函数sapply是函数lapply的一个特殊情形，对一些参数的值进行了一些限定，其使用格式为：

sapply(X, FUN,..., simplify = TRUE,USE.NAMES = TRUE)

sapply(*, simplify = FALSE, USE.NAMES =FALSE) 和lapply(*)的返回值是相同的。如果参数simplify=TRUE，则函数sapply的返回值不是一个list，而是一个矩阵；若simplify=FALSE，则函数sapply的返回值仍然是一个list。

示例代码：

> x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE))> lapply(x, quantile)$a   0%   25%   50%   75%  100% 1.00  3.25  5.50  7.75 10.00$beta         0%         25%         50%         75%        100% 0.04978707  0.25160736  1.00000000  5.05366896 20.08553692$logic  0%  25%  50%  75% 100% 0.0  0.0  0.5  1.0  1.0> sapply(x, quantile,simplify=FALSE,use.names=FALSE)$a   0%   25%   50%   75%  100% 1.00  3.25  5.50  7.75 10.00$beta         0%         25%         50%         75%        100% 0.04978707  0.25160736  1.00000000  5.05366896 20.08553692$logic  0%  25%  50%  75% 100% 0.0  0.0  0.5  1.0  1.0#参数simplify=TRUE的情况> sapply(x, quantile)         a        beta logic0%    1.00  0.04978707   0.025%   3.25  0.25160736   0.050%   5.50  1.00000000   0.575%   7.75  5.05366896   1.0100% 10.00 20.08553692   1.0

函数mapply：

函数mapply是函数sapply的变形版，mapply将函数 FUN依次应用每一个参数的第一个元素、第二个元素、第三个元素上。函数mapply的使用格式如下：

mapply(FUN, ..., MoreArgs = NULL,SIMPLIFY = TRUE,USE.NAMES = TRUE)

其中参数MoreArgs表示函数FUN的参数列表。

示例代码：

> mapply(rep, times=1:4, x=4:1)[[1]][1] 4[[2]][1] 3 3[[3]][1] 2 2 2[[4]][1] 1 1 1 1#直接使用函数rep的结果：> rep(1:4,1:4) [1] 1 2 2 3 3 3 4 4 4 4