R语言中的向量化操作
2018-01-23 本文已影响103人
鸣人吃土豆
我们在日常的数据分析过程中，经常要进行循环的操作。但是在R语言中，for循环的效率低下，如果是数据量比较大的情况下，可能会花费比较多的时间。因此，我们可以使用向量化操作来代替循环。向量化可以理解为高效的循环。
我们主要讲解基础包中的：
- lapply
- sapply
- apply
- tapply
- aggregate
- doBy::summaryBy
- split
1.基础包
1.1-lapply（对列表,数据框进行循环）
- Lapply返回一个列表, 并无视输入变量的类型
(x <- list(a=1:5,b=rnorm(10),c=rnorm(20,1),d=rnorm(100,5)))
lapply(x,mean)
结果为一个列表：
$a
[1] 3
$b
[1] 0.01155605
$c
[1] 1.204898
$d
[1] 5.086932
1.2-sapply(简化lapply函数返回的结果)
- 若结果是一个list，且每个元素长度为1，则会返回一个
向量 - 若结果是一个list，且每个元素长度为大于1，则会返回
一个矩阵 - 若其他复杂的结果，会返回一个向量
> (x <- list(a=1:5,b=rnorm(10),c=rnorm(20,1),d=rnorm(100,5)))
> sapply(x,mean)
a b c d
3.00000000 0.01155605 1.20489776 5.08693239
1.3-apply
此函数经常被用于对矩阵的行或列进行指定目的的循环
• 可以被用于多个数组的循环
• 该函数作用于一行进行循环
str(apply)
function (X, MARGIN, FUN, ...)
• X 是一个数组
• MARGIN 参数是一个数字向量，在适用与矩阵时，1表示行，2表示列，也可以是列名
• FUN 是适用循环的函数
• ... 表示其他参数
(x<-matrix(rnorm(24),4,6))
apply(x,1,sum) #对行
apply(x,2,mean) #对列
1.4 tapply(适用于数据框的一个连续变量做分组描述统计)
> (x<-c(rnorm(10),runif(10),rnorm(10,1)))
[1] -0.8483055 -1.0072368 0.2642566 0.2944829 -2.0119795 0.4597912 0.2354388 -1.0045856 0.6877217 0.6311278 0.3575496
[12] 0.2112962 0.8207528 0.2901692 0.9472960 0.2700287 0.5492559 0.7635016 0.6240591 0.9337211 -2.1545025 2.5330094
[23] 1.2496200 1.4399020 -1.5014259 2.0208022 1.3946920 2.8143463 3.1911815 1.5542655
> (group <- rep(1:3,each=10))
[1] 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3
> (a <- data.frame(x=x,group=group))
x group
1 -0.8483055 1
2 -1.0072368 1
3 0.2642566 1
4 0.2944829 1
5 -2.0119795 1
6 0.4597912 1
7 0.2354388 1
8 -1.0045856 1
9 0.6877217 1
10 0.6311278 1
11 0.3575496 2
12 0.2112962 2
13 0.8207528 2
14 0.2901692 2
15 0.9472960 2
16 0.2700287 2
17 0.5492559 2
18 0.7635016 2
19 0.6240591 2
20 0.9337211 2
21 -2.1545025 3
22 2.5330094 3
23 1.2496200 3
24 1.4399020 3
25 -1.5014259 3
26 2.0208022 3
27 1.3946920 3
28 2.8143463 3
29 3.1911815 3
30 1.5542655 3
> tapply(a$x,a$group,mean)
1 2 3
-0.2299289 0.5767630 1.2541891
-
Note:tapply只能针对一个分组变量进行分组统计,且只能针对一个连续变量
执行下列就会出错
> tapply(mtcars[,c('mpg','hp','wt')],mtcars$am,summary)
Error in tapply(mtcars[, c("mpg", "hp", "wt")], mtcars$am, summary) :
参数的长度必需相同
使用之前我们学过的东西进行改进的话可以酱紫：
> apply(mtcars[,c("am","mpg","hp","wt")],2,function(x) tapply(x,mtcars$am,mean))
am mpg hp wt
0 0 17.14737 160.2632 3.768895
1 1 24.39231 126.8462 2.411000
但是依然还是有缺陷，就是只能对一个分组变量，不能同时对多个变量进行
接下来我们讲下怎么弥补这个缺陷：
- 方案1：利用aggregate函数
> Myfun <- function(x) c(mean=mean(x),sd=sd(x))
> aggregate(mtcars[,c("mpg","hp","wt")],by=list(am=mtcars$am,cyl=mtcars$cyl),Myfun)
am cyl mpg.mean mpg.sd hp.mean hp.sd wt.mean wt.sd
1 0 4 22.9000000 1.4525839 84.66667 19.65536 2.9350000 0.4075230
2 1 4 28.0750000 4.4838599 81.87500 22.65542 2.0422500 0.4093485
3 0 6 19.1250000 1.6317169 115.25000 9.17878 3.3887500 0.1162164
4 1 6 20.5666667 0.7505553 131.66667 37.52777 2.7550000 0.1281601
5 0 8 15.0500000 2.7743959 194.16667 33.35984 4.1040833 0.7683069
6 1 8 15.4000000 0.5656854 299.50000 50.20458 3.3700000 0.2828427
- 方案2：利用doBy包中的summaryBy函数
> doBy::summaryBy(mpg+hp+wt~am+cyl,data = mtcars,FUN=Myfun)
am cyl mpg.mean mpg.sd hp.mean hp.sd wt.mean wt.sd
1 0 4 22.90000 1.4525839 84.66667 19.65536 2.935000 0.4075230
2 0 6 19.12500 1.6317169 115.25000 9.17878 3.388750 0.1162164
3 0 8 15.05000 2.7743959 194.16667 33.35984 4.104083 0.7683069
4 1 4 28.07500 4.4838599 81.87500 22.65542 2.042250 0.4093485
5 1 6 20.56667 0.7505553 131.66667 37.52777 2.755000 0.1281601
6 1 8 15.40000 0.5656854 299.50000 50.20458 3.370000 0.2828427
- 方案3：利用dplyr包
dplyr::group_by(mtcars,am,cyl) %>% dplyr::summarise(
mpg.mean=mean(mtcars$mpg,na.rm = TRUE),hp.mean=mean(mtcars$hp,na.rm = T))
1.5-split
split 用于使某向量或对象分为指定数目的列表，指
定数目的组由因子列表确定
str(split)
function (x, f, drop = FALSE, ...)
• X是一个向量或数据框
• F是一个因子或因子列表
• Drop表示空因子水平是否舍弃
> accepts <- mtcars[,c("am","mpg","wt","hp")]
>( s<-split(accepts,accepts$am))
$`0`
am mpg wt hp
Hornet 4 Drive 0 21.4 3.215 110
Hornet Sportabout 0 18.7 3.440 175
Valiant 0 18.1 3.460 105
Duster 360 0 14.3 3.570 245
Merc 240D 0 24.4 3.190 62
Merc 230 0 22.8 3.150 95
Merc 280 0 19.2 3.440 123
Merc 280C 0 17.8 3.440 123
Merc 450SE 0 16.4 4.070 180
Merc 450SL 0 17.3 3.730 180
Merc 450SLC 0 15.2 3.780 180
Cadillac Fleetwood 0 10.4 5.250 205
Lincoln Continental 0 10.4 5.424 215
Chrysler Imperial 0 14.7 5.345 230
Toyota Corona 0 21.5 2.465 97
Dodge Challenger 0 15.5 3.520 150
AMC Javelin 0 15.2 3.435 150
Camaro Z28 0 13.3 3.840 245
Pontiac Firebird 0 19.2 3.845 175
$`1`
am mpg wt hp
Mazda RX4 1 21.0 2.620 110
Mazda RX4 Wag 1 21.0 2.875 110
Datsun 710 1 22.8 2.320 93
Fiat 128 1 32.4 2.200 66
Honda Civic 1 30.4 1.615 52
Toyota Corolla 1 33.9 1.835 65
Fiat X1-9 1 27.3 1.935 66
Porsche 914-2 1 26.0 2.140 91
Lotus Europa 1 30.4 1.513 113
Ford Pantera L 1 15.8 3.170 264
Ferrari Dino 1 19.7 2.770 175
Maserati Bora 1 15.0 3.570 335
Volvo 142E 1 21.4 2.780 109
> sapply(s, function(x) lapply(x[,2:3],function(col) mean(col,na.rm = T)))
0 1
mpg 17.14737 24.39231
wt 3.768895 2.411
