R语言笔记7：认识循环函数、lapply和sapply |
您所在的位置：网站首页 › r语言中数据集中的变量求和是什么 › R语言笔记7：认识循环函数、lapply和sapply |
R语言笔记7：认识循环函数、lapply和sapply
|
R语言基础系列： 你知道R中的赋值符号箭头( x x $a [,1] [,2] [1,] 1 3 [2,] 2 4 $b [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 我现在想提取每个矩阵的第一列，结果发现没这个函数。 那么就来创造一个函数提取矩阵的第一列： > lapply(x, function(elt) { elt[,1] }) $a [1] 1 2 $b [1] 1 2 3在我临时创造的函数里面，命名了一个参数叫elt，用于提取第一行，其实你想叫他什么都可以因为出了lapply()之后他就毫无意义了。 所以使用lapply()的时候就知道了，有函数就用，没有就现写 sapply()sapply()是lapply()的变种。它的任务是将lapply()的结果尽量的简化。 lapply()总是返回一个列表。就算是所有元素长度都一样，没必要是一个列表的时候，他也给你返回列表。 sapply()就会更加灵活一些，可以直接返回一个包含所有元素的向量，将它简化。 对比： 先看一下“一根筋”的lapply() > x lapply(x, mean) $a [1] 2.5 $b [1] 0.1983592 $c [1] 0.8517163 $d [1] 5.145514再来看一下sapply()： > x sapply(x, mean) a b c d 2.50000000 -0.02155822 1.22162680 4.96242076如果数据不适合简化的话，sapply()还是会返回一个列表的。 applyapply函数是另一个循环函数，它可以把一个函数应用在一个数组的各个维度上，应用对象是矩阵的行和列。（矩阵是最常见的数组类型，是二维数组） 在命令行中apply比for循环相对更好用一些，因为输入较少。 apply函数长这样： > str(apply) function (X, MARGIN, FUN, ...)第一个参数x是一个数组，是一个有维度的向量； 第二个参数MARGIN是一个整数向量，指示哪一行或列需要保留； 第三个重要参数是你要应用到每个行、列的函数命令，这个函数可以是已经存在的函数，也可以是匿名函数。 第四个参数...是其他你想传递的参数 举例 首先创建一个20行10列的矩阵，矩阵内是已生成的正态随机变量： > x apply(x, 2, mean) [1] 0.65874106 -0.32984283 0.02339061 0.07329736 -0.03052147 [6] -0.07784829 -0.09898670 -0.02616803 -0.62234169 0.21103926同理，如果我想求每一行的数据之和，那么就指定MARGIN为1，只保留所有行（第一维度），消掉所有列。得到长度为20 的向量： > apply(x, 1, sum) [1] 1.2437406 1.2477988 -0.8286921 5.8799087 -7.1345567 [6] -6.0516633 1.1861021 -4.6233625 1.4116391 4.0984832 [11] 0.6733807 -4.2918003 6.3707265 0.5751055 -4.1153285 [16] -2.4731258 -1.5706162 2.1357355 4.5665875 -2.6848776对于计算总和、平均值之类的简单操作而言，有一些经过优化的专用函数可以快速实现这些功能，他们就是~~： rowSums() = apply(x, 1, sum) rowMeans() = apply(x, 1, mean) colSums() = apply(x, 2, sum) colMeans()= apply(x, 2, mean) 所以上面的对矩阵x的各行求和，可以直接用这些函数： > rowSums(x) [1] 1.2437406 1.2477988 -0.8286921 5.8799087 -7.1345567 [6] -6.0516633 1.1861021 -4.6233625 1.4116391 4.0984832 [11] 0.6733807 -4.2918003 6.3707265 0.5751055 -4.1153285 [16] -2.4731258 -1.5706162 2.1357355 4.5665875 -2.6848776apply()函数也可以应用在复杂一点的命令上。 还是以刚才的随机数矩阵为例，我们想计算每一行的25%和75%分位数，使用quantile()函数，...用来传递其他参数，结果如下（每一行都会有对应的两个返回值）： > apply(x, 1, quantile, probs = c(0.25, 0.75)) [,1] [,2] [,3] [,4] [,5] 25% -0.4279914 -0.7373156 -0.9529599 0.2055977 -1.212583 75% 0.7124124 0.6271725 0.4206316 1.1519559 -0.164044 [,6] [,7] [,8] [,9] [,10] 25% -1.5083933 -0.4973032 -1.40098143 -0.1734262 0.1533103 75% 0.2944026 0.2808402 -0.03580914 0.7878205 1.1799618 [,11] [,12] [,13] [,14] [,15] 25% -0.7556971 -1.3682307 -0.09161202 -0.0714848 -1.170791 75% 0.6127445 0.5407379 1.60144594 0.3402383 0.186875 [,16] [,17] [,18] [,19] [,20] 25% -0.4673410 -0.5190178 -0.4813278 -0.3519997 -1.083816 75% 0.2163925 0.4672890 0.4078020 1.1469154 -0.117494除了二维矩阵之外，apply也可以用于多维矩阵，即数组 如，我们先创建一个正态随机变量数组，是一个三维矩阵，然后求每个二维矩阵的和， 设置MARGIN为c(1, 2)就可以消除掉第三个维度： > a apply(a, c(1, 2), mean) [,1] [,2] [1,] 0.4376722 0.1558857 [2,] 0.5024186 -0.2940285同理，如果使用rowMeans： > rowMeans(a, dims = 2) [,1] [,2] [1,] 0.4376722 0.1558857 [2,] 0.5024186 -0.2940285 mapply()mapply()是lapply()和sapply()的多变量版本 也就是说 lapply()和sapply()等等都是将参数中的函数应用到某个单一的对象上，而mapply()的思想是把一个函数并行应用到一组不同的对象上 > str(mapply) function (FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)mapply()的第一个参数是你要应用的函数， 第二个...用于传递参数 第三个参数是MoreArgs当你需要给函数传递更多参数是才会用到 tapplytapply是一个很有用的函数，它可以将函数应用于某向量的子集。 当我们想计算该向量某部分的概要统计量时，可以使用tapply。 对于该数值向量中的每一组而言，我们都可以计算一个统计量，这时，我们需要另一个变量或者对象，来识别该数值向量中各元素的分组。 > str(tapply) function (X, INDEX, FUN = NULL, ..., default = NA, simplify = TRUE)第一个参数是数值或者其他类型的向量 第二个参数INDEX是另一个向量，长度和第一个向量相同，用来表明第一个向量中的各个元素分别属于哪一组。 第三个参数FUN是你想应用的函数。 举例 x是一个数组向量，其中包括10个正态随机数、10个均匀随机数、10个均值是1的正态随机数；这些数字可以分成三组，用函数gl()创建因子变量，这个因子变量有三个水平，每个水平重复10次： > x f x [1] -1.22192295 1.23396169 -0.74551533 0.10967076 -1.89038874 [6] 1.51580225 0.44769556 0.64438076 0.33981352 1.14463578 [11] 0.19257671 0.66332397 0.98498225 0.64714562 0.63170090 [16] 0.20529137 0.05715295 0.85430414 0.19152730 0.72570007 [21] -0.68530428 1.19698816 0.79573025 1.93891480 1.50044997 [26] 2.72678274 0.44608262 0.96684451 1.59033947 0.19885301 > f [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 Levels: 1 2 3应用tapply()函数，求每组数据的平均值 > tapply(x, f, mean, simplify = FALSE) $`1` [1] 0.1578133 $`2` [1] 0.5153705 $`3` [1] 1.067568如果设置为不简化，那么结果将返回一个列表。 返回观测值的范围，range()得到每组中的最大值和最小值： > tapply(x, f, range) $`1` [1] -1.890389 1.515802 $`2` [1] 0.05715295 0.98498225 $`3` [1] -0.6853043 2.7267827参考资料： 视频课程 R Programming by Johns Hopkins University：https://www.coursera.org/learn/r-programming/home/welcome 讲义 Programming for Data Science ：https://bookdown.org/rdpeng/rprogdatascience/R 欢迎大家跟我一起上车~~~~请关注 10000+：肠道细菌 人体上的生命 宝宝与猫狗 梅毒狂想曲 提DNA发Nature 实验分析谁对结果影响大 Cell微生物专刊 系列教程：微生物组入门 Biostar 微生物组 宏基因组 专业技能：生信宝典 学术图表 高分文章 不可或缺的人 一文读懂：宏基因组 寄生虫益处 进化树 必备技能：提问 搜索 Endnote 文献阅读 热心肠 SemanticScholar Geenmedical 扩增子分析：图表解读 分析流程 统计绘图 16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun 在线工具：16S预测培养基 生信绘图 科研经验：云笔记 云协作 公众号 编程模板 Shell R Perl 生物科普 生命大跃进 细胞暗战 人体奥秘 写在后面为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外150+ PI，1500+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。 学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组” 点击阅读原文，跳转最新文章目录阅读 |
【本文地址】