apply()函数族

apply()函数族：
 apply()：该函数只能运用于矩阵。（若是数据框，它会自动将其转化成矩阵。）
 该函数三个参数，第一个是矩阵，第二个是数字1或者2，1代表处理行，2代表列，第三个函数代表调用的处理函数。
> t<-matrix(1:9,nrow=3)
> t
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
> apply(t,2,sum)
[1]  6 15 24
> ########该例子，求取的各个列之和。
 R自带的行列求取函数：colSums(),rowSums()
 例子：rowSums(matrix,as.rm=TRUE)##该函数删除所有是NA的元素求和。
lapply():该函数的工作原理是讲一个函数运用到一个列表中的，每一个元素，并将结果作为列表返回。
例子：
> thelist
[[1]]
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9

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

[[3]]
[1] 2

> lapply(thelist,sum)
[[1]]
[1] 45

[[2]]
[1] 15

[[3]]
[1] 2

 用sapply（）函数将lapply的结果转化成向量,sapply()函数跟lapply函数很像，使用方法以及操作运算都一样，唯一是返回类型不一样。lapply返回列表，sapply返回向量。
 aggregate(property1~property2+property3+..,mydataframe,function)
 该函数将汇总与分组运算作为他们的第一次R任务。
 ~左侧的为亚奥操作的变量，右侧为分组依据，可以使一个或者多个变量。
第二个参数为数据来源，第三个参数为应用于分组的函数
若是汇总两个变量以及以上：
aggregate(cbind(property1,property)~property2+property3+..,mydataframe,function)##使用列联函数cbind.
aggregate()函数：将汇总跟分组作为一次R任务。
library(ggplot2)##加载该包，内置了diamonds数据集，钻石信息
> head(diamonds)
  carat       cut color clarity depth table price    x    y    z
1  0.23     Ideal     E     SI2  61.5    55   326 3.95 3.98 2.43
2  0.21   Premium     E     SI1  59.8    61   326 3.89 3.84 2.31
3  0.23      Good     E     VS1  56.9    65   327 4.05 4.07 2.31
4  0.29   Premium     I     VS2  62.4    58   334 4.20 4.23 2.63
5  0.31      Good     J     SI2  63.3    58   335 4.34 4.35 2.75
6  0.24 Very Good     J    VVS2  62.8    57   336 3.94 3.96 2.48
##该函数的第一个参数，~左侧为要操作的变量，右侧为分割依据，第三个参数为数据集，第四个为调用函数。
> aggregate(price~cut,diamonds,mean)##按照cut分组来多price进行mean操作，数据集是diamonds.
        cut    price
1      Fair 4358.758
2      Good 3928.864
3 Very Good 3981.760
4   Premium 4584.258
5     Ideal 3457.542
>##### aggregate(price~cut+color,diamonds,mean),如果使用多个分割方案的话，在formula的右侧（~），用+连接属性名就可以

 aggregate(cbind(price,carat)~cut+color,diamonds,mean)    ##若是休要汇总两个变量，用cbind(x,y)进行列整合。
          cut color    price     carat
1       Fair     D 4291.061 0.9201227
2       Good     D 3405.382 0.7445166
3  Very Good     D 3470.467 0.6964243
4    Premium     D 3631.293 0.7215471
5      Ideal     D 2629.095 0.5657657
6       Fair     E 3682.312 0.8566071