R ─ 迴圈函式

迴圈函式


# 加總

        x = list(c(1,2,3,4), c(5,6,7,8))
        lapply(x, sum)

result：

     [[1]]
     [1] 10

     [[2]]
     [1] 26



        x = list(c(1,2,3,4), c(5,6,7,8),c(1,3))
        lapply(x, sum)

result：

     [[1]]
     [1] 10

     [[2]]
     [1] 26

     [[3]]

     [1] 4



#mean 平均
    
        x = list(c(1,2,3,4), c(5,6,7,8),c(1,3))
        lapply(x, mean) 


result：

     [[1]]
     [1] 2.5

     [[2]]
     [1] 6.5

     [[3]]

     [1] 2



# c裡面的每個數字都加3

        x = list(c(1,2,3,4), c(5,6,7,8),c(1,3))
        lapply(x, function(i){i+3})  

result：

     [[1]]
     [1] 4 5 6 7

     [[2]]
     [1]  8  9 10 11

     [[3]]

     [1] 4 6


# 呼叫每個c的第2個數字

        x = list(c(1,2,3,4), c(5,6,7,8),c(1,3))
        lapply(x, function(i){i[2]})  

result：

     [[1]]
     [1] 2

     [[2]]
     [1] 6

     [[3]]

     [1] 3

# 用途(結果)同上
        
        x = list(c(1,2,3,4), c(5,6,7,8),c(1,3))
        a = function(i){i[2]}
        lapply(x, a)  

result：

     [[1]]
     [1] 2

     [[2]]
     [1] 6

     [[3]]

     [1] 3



# 求每個陣列的平均

        m1 = matrix(1:4, byrow=TRUE, nrow=2)
        m2 = matrix(5:8, byrow=TRUE, nrow=2)

        li = list(m1, m2)
        li

result：

     [[1]]
          [,1] [,2]
     [1,]    1    2
     [2,]    3    4

     [[2]]
          [,1] [,2]
     [1,]    5    6

     [2,]    7    8


        lapply(li, mean)

result：

     [[1]]
     [1] 2.5

     [[2]]

     [1] 6.5



#--sapply--(產生比lappy簡化的結果)-------------------

        x = list(c(1,2,3,4), c(5,6,7,8))
        sapply(x, sum)

result：

     [1] 10 26





#與lapply 做比較

        x = list(c(1,2,3,4), c(5,6,7,8))
        lapply(x, sum)

result：

     [[1]]
     [1] 10

     [[2]]

     [1] 26



#--sapply------------------------------------

        m1 = matrix(1:4, byrow=TRUE, nrow=2)
        m2 = matrix(5:8, byrow=TRUE, nrow=2)
        m1
        m2

result：

     >m1
          [,1] [,2]
     [1,]    1    2
     [2,]    3    4
  
   > m2
          [,1] [,2]
     [1,]    5    6

     [2,]    7    8



        li = list(m1, m2)    # list 將兩個陣列包起來
        li

result：

     [[1]]
          [,1] [,2]
     [1,]    1    2
     [2,]    3    4

     [[2]]
          [,1] [,2]
     [1,]    5    6

     [2,]    7    8



        sapply(li, mean)     # 求兩個陣列的平均

result：

     [1] 2.5 6.5
     

        sapply(li,function(e) e[1,]) # 利用function 求list中'列'的值

result：
     
          [,1] [,2]
     [1,]    1    5
     [2,]    2    6


#---Apply---------------------------------------------------

        m = matrix(1:4, byrow=TRUE, nrow=2)   
        m

result：

        [,1] [,2]
   [1,]    1    2
   [2,]    3    4


        apply(m, 1, sum)      #加總列的值

result：
  
       [1] 3 7
        

        apply(m, 2, sum)      #加總行的值

result：
  
       [1] 4 6



        rowSums(m)            #加總列的值

result：
  
       [1] 3 7


        colSums(m)             #加總行的值

result：
  
       [1] 4 6

#---tapply----分組平均計算------------------------------

        x = c(80,70,59,88,72,57)     # 值
        t = c(1,1,2,1,1,2)           # 類別
        tapply(x,t, mean)            # 求平均 

result：

           1     2 
        77.5  58.0 



        x = c(80,70,59,88,72,57)     
        a = c("m","f","m","m","f","f")   # 可替換標題,更改群組(內值)個數
        tapply(x,a, mean)

result：

               f           m 
        66.33333  75.66667 



#  例題---使用iris(Sepal.Length、Species)求分組平均計算

        head(iris)
        data(iris)
        tapply(iris$Sepal.Length, iris$Species, mean)



#---mapply---------------------------------

        rep(1,3), rep(2,4), rep(3,5)  # rep(值,重複次數)

        mapply(rep, 1:3, 3:5)         # rep, 值的範圍, 重複次數的範圍(比較少用)

result：

        [[1]]
        [1] 1 1 1

        [[2]]
        [1] 2 2 2 2

        [[3]]
        [1] 3 3 3 3 3



#---練習題---求mtcars中cyl & geal的平均mpg---------------------

        data(mtcars)
        tapply(mtcars$mpg, list(mtcars$cyl,mtcars$gear), mean)  

                                                                        # tapply(欲計算的值, list(資料集$欄位A,資料集$欄位B),function)

result：

                3        4        5
        4  21.50  26.925  28.2
        6  19.75  19.750  19.7

        8  15.05      NA  15.4

相關資料參考來源：邱老師教學