亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

為了賬號安全,請及時綁定郵箱和手機立即綁定
已解決430363個問題,去搜搜看,總會有你想問的

分組函數(tapply,by,aggregate)和* apply系列

分組函數(tapply,by,aggregate)和* apply系列

嚕嚕噠 2019-05-22 15:31:24
分組函數(tapply,by,aggregate)和* apply系列每當我想在R中做一些“map”py時,我通常會嘗試在apply家族中使用一個函數。但是,我從來沒有完全理解它們之間的區別 - 如何{ sapply,lapply等}將函數應用于輸入/分組輸入,輸出將是什么樣的,甚至輸入可以是什么 - 所以我經常只要仔細檢查它們,直到我得到我想要的東西。有人可以解釋如何使用哪一個?我當前(可能不正確/不完整)的理解是......sapply(vec, f):輸入是一個向量。output是一個向量/矩陣,其中element i是f(vec[i])一個矩陣,如果f有一個多元素輸出lapply(vec, f):相同sapply,但輸出是一個列表?apply(matrix, 1/2, f):輸入是一個矩陣。output是一個向量,其中element i是f(矩陣的row / col i)tapply(vector, grouping, f):output是一個矩陣/數組,其中矩陣/數組中的元素是向量f分組g的值,并g被推送到行/列名稱by(dataframe, grouping, f):讓我們g成為一個分組。適用f于組/數據框的每一列。漂亮打印分組和f每列的值。aggregate(matrix, grouping, f):類似于by,但不是將輸出打印得很漂亮,而是將所有內容都粘貼到數據幀中。側問題:我還沒有學會plyr或重塑-將plyr或reshape更換所有這些完全?
查看完整描述

4 回答

?
UYOU

TA貢獻1878條經驗 獲得超4個贊

首先從Joran的優秀答案開始 - 懷疑任何事情都可以更好。

然后,以下助記符可能有助于記住每個之間的區別。雖然有些是顯而易見的,但有些可能不那么明顯 - 對于這些,你會在Joran的討論中找到理由。

助記符

  • lapply是一個列表應用,它作用于列表或向量并返回一個列表。

  • sapply是一個簡單的 lapply(函數默認為在可能的情況下返回向量或矩陣)

  • vapply經過驗證的申請(允許預先指定退貨對象類型)

  • rapply是嵌套列表的遞歸應用,即列表中的列表

  • tapply標記應用,其中標記標識子集

  • apply 是 通用的:應用一個函數的矩陣的行或列(或者,更一般地,以陣列的尺寸)

建立正確的背景

如果使用這個apply家庭仍然覺得你有點陌生,那么可能是你錯過了一個關鍵的觀點。

這兩篇文章可以提供幫助。它們提供了激發函數apply族提供的函數式編程技術的必要背景。

Lisp的用戶將立即認識到這種范式。如果你不熟悉Lisp,一旦你了解了FP,你就會獲得一個強大的觀點來使用R - 并且apply會更有意義。


查看完整回答
反對 回復 2019-05-22
?
回首憶惘然

TA貢獻1847條經驗 獲得超11個贊

因為我意識到這篇文章的(非常優秀的)答案缺乏by和aggregate解釋。這是我的貢獻。


通過

by但是,如文檔中所述,該函數可以作為“包裝器” tapply。by當我們想要計算tapply無法處理的任務時,會產生這種力量。一個例子是這段代碼:


ct <- tapply(iris$Sepal.Width , iris$Species , summary )

cb <- by(iris$Sepal.Width , iris$Species , summary )


 cb

iris$Species: setosa

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 

  2.300   3.200   3.400   3.428   3.675   4.400 

-------------------------------------------------------------- 

iris$Species: versicolor

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 

  2.000   2.525   2.800   2.770   3.000   3.400 

-------------------------------------------------------------- 

iris$Species: virginica

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 

  2.200   2.800   3.000   2.974   3.175   3.800 



ct

$setosa

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 

  2.300   3.200   3.400   3.428   3.675   4.400 


$versicolor

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 

  2.000   2.525   2.800   2.770   3.000   3.400 


$virginica

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 

  2.200   2.800   3.000   2.974   3.175   3.800 

如果我們打印這兩個對象,ct并且cb我們“基本上”具有相同的結果,唯一的區別在于它們的顯示方式和不同的class屬性,分別by為for cb和arrayfor ct。


正如我所說,by當我們不能使用時會產生力量tapply; 以下代碼是一個例子:


 tapply(iris, iris$Species, summary )

Error in tapply(iris, iris$Species, summary) : 

  arguments must have same length

R表示參數必須具有相同的長度,比如“我們想要計算沿著因子summary的所有變量”:但是R不能這樣做,因為它不知道如何處理。irisSpecies


使用by函數R為data frame類調度一個特定的方法,然后讓summary函數工作,即使第一個參數(和類型)的長度不同。


bywork <- by(iris, iris$Species, summary )


bywork

iris$Species: setosa

  Sepal.Length    Sepal.Width     Petal.Length    Petal.Width          Species  

 Min.   :4.300   Min.   :2.300   Min.   :1.000   Min.   :0.100   setosa    :50  

 1st Qu.:4.800   1st Qu.:3.200   1st Qu.:1.400   1st Qu.:0.200   versicolor: 0  

 Median :5.000   Median :3.400   Median :1.500   Median :0.200   virginica : 0  

 Mean   :5.006   Mean   :3.428   Mean   :1.462   Mean   :0.246                  

 3rd Qu.:5.200   3rd Qu.:3.675   3rd Qu.:1.575   3rd Qu.:0.300                  

 Max.   :5.800   Max.   :4.400   Max.   :1.900   Max.   :0.600                  

-------------------------------------------------------------- 

iris$Species: versicolor

  Sepal.Length    Sepal.Width     Petal.Length   Petal.Width          Species  

 Min.   :4.900   Min.   :2.000   Min.   :3.00   Min.   :1.000   setosa    : 0  

 1st Qu.:5.600   1st Qu.:2.525   1st Qu.:4.00   1st Qu.:1.200   versicolor:50  

 Median :5.900   Median :2.800   Median :4.35   Median :1.300   virginica : 0  

 Mean   :5.936   Mean   :2.770   Mean   :4.26   Mean   :1.326                  

 3rd Qu.:6.300   3rd Qu.:3.000   3rd Qu.:4.60   3rd Qu.:1.500                  

 Max.   :7.000   Max.   :3.400   Max.   :5.10   Max.   :1.800                  

-------------------------------------------------------------- 

iris$Species: virginica

  Sepal.Length    Sepal.Width     Petal.Length    Petal.Width          Species  

 Min.   :4.900   Min.   :2.200   Min.   :4.500   Min.   :1.400   setosa    : 0  

 1st Qu.:6.225   1st Qu.:2.800   1st Qu.:5.100   1st Qu.:1.800   versicolor: 0  

 Median :6.500   Median :3.000   Median :5.550   Median :2.000   virginica :50  

 Mean   :6.588   Mean   :2.974   Mean   :5.552   Mean   :2.026                  

 3rd Qu.:6.900   3rd Qu.:3.175   3rd Qu.:5.875   3rd Qu.:2.300                  

 Max.   :7.900   Max.   :3.800   Max.   :6.900   Max.   :2.500     

它確實有效,結果非常令人驚訝。這是一個類的對象by,沿著Species(例如,對于每個類)計算summary每個變量。


請注意,如果第一個參數是a data frame,則dispatched函數必須具有該類對象的方法。例如,我們將此代碼與mean函數一起使用,我們將擁有完全沒有意義的代碼:


 by(iris, iris$Species, mean)

iris$Species: setosa

[1] NA

------------------------------------------- 

iris$Species: versicolor

[1] NA

------------------------------------------- 

iris$Species: virginica

[1] NA

Warning messages:

1: In mean.default(data[x, , drop = FALSE], ...) :

  argument is not numeric or logical: returning NA

2: In mean.default(data[x, , drop = FALSE], ...) :

  argument is not numeric or logical: returning NA

3: In mean.default(data[x, , drop = FALSE], ...) :

  argument is not numeric or logical: returning NA

骨料

aggregatetapply如果我們以這種方式使用它,可以被視為另一種不同的使用方式。


at <- tapply(iris$Sepal.Length , iris$Species , mean)

ag <- aggregate(iris$Sepal.Length , list(iris$Species), mean)


 at

    setosa versicolor  virginica 

     5.006      5.936      6.588 

 ag

     Group.1     x

1     setosa 5.006

2 versicolor 5.936

3  virginica 6.588

兩個直接的區別是第二個參數aggregate 必須是一個列表,而tapply can(非強制性)是一個列表,輸出aggregate是一個數據幀,而一個tapply是array。


它的強大之aggregate處在于它可以使用subset參數輕松處理數據的子集,并且它還具有ts對象的方法formula。


在某些情況下aggregate,這些元素更容易使用tapply。以下是一些示例(可在文檔中找到):


ag <- aggregate(len ~ ., data = ToothGrowth, mean)


 ag

  supp dose   len

1   OJ  0.5 13.23

2   VC  0.5  7.98

3   OJ  1.0 22.70

4   VC  1.0 16.77

5   OJ  2.0 26.06

6   VC  2.0 26.14

我們可以實現相同,tapply但語法稍微困難,輸出(在某些情況下)可讀性較差:


att <- tapply(ToothGrowth$len, list(ToothGrowth$dose, ToothGrowth$supp), mean)


 att

       OJ    VC

0.5 13.23  7.98

1   22.70 16.77

2   26.06 26.14

還有一些時候我們不能使用by或者tapply我們必須使用aggregate。


 ag1 <- aggregate(cbind(Ozone, Temp) ~ Month, data = airquality, mean)


 ag1

  Month    Ozone     Temp

1     5 23.61538 66.73077

2     6 29.44444 78.22222

3     7 59.11538 83.88462

4     8 59.96154 83.96154

5     9 31.44828 76.89655

我們無法tapply在一次調用中獲得先前的結果,但我們必須計算Month每個元素的平均值然后將它們組合起來(還要注意我們必須調用它na.rm = TRUE,因為函數的formula方法aggregate默認情況下是這樣的na.action = na.omit):


ta1 <- tapply(airquality$Ozone, airquality$Month, mean, na.rm = TRUE)

ta2 <- tapply(airquality$Temp, airquality$Month, mean, na.rm = TRUE)


 cbind(ta1, ta2)

       ta1      ta2

5 23.61538 65.54839

6 29.44444 79.10000

7 59.11538 83.90323

8 59.96154 83.96774

9 31.44828 76.90000

雖然by我們實際上無法實現,但實際上以下函數調用會返回錯誤(但很可能與提供的函數有關mean):


by(airquality[c("Ozone", "Temp")], airquality$Month, mean, na.rm = TRUE)

其他時候結果是相同的,差異只是在類中(然后它是如何顯示/打印的,而不僅僅是 - 例如,如何將其子集化)對象:


byagg <- by(airquality[c("Ozone", "Temp")], airquality$Month, summary)

aggagg <- aggregate(cbind(Ozone, Temp) ~ Month, data = airquality, summary)

以前的代碼實現了相同的目標和結果,在某些方面,使用的工具只是個人品味和需求的問題; 前兩個對象在子集方面有非常不同的需求。


查看完整回答
反對 回復 2019-05-22
  • 4 回答
  • 0 關注
  • 2049 瀏覽

添加回答

舉報

0/150
提交
取消
微信客服

購課補貼
聯系客服咨詢優惠詳情

幫助反饋 APP下載

慕課網APP
您的移動學習伙伴

公眾號

掃描二維碼
關注慕課網微信公眾號