R apply(), lapply(), sapply(), tapply() s příklady

Tento tutoriál se zaměřuje na představení kolekce funkcí apply(). Funkce apply() je nejzákladnější z celé kolekce. Naučíme se také sapply(), lapply() a tapply(). Kolekci aplikací lze považovat za náhradu smyčky.

Kolekce apply() je součástí balíčku r zásadní balíček, pokud jste nainstalovat R s Anaconda. Funkce použít v R může být doplněna mnoha funkcemi pro provedení redundantní aplikace na kolekci objektů (datový rámec, seznam, vektor atd.). Účelem apply() je především vyhnout se explicitnímu použití konstrukcí smyček. Lze je použít pro vstupní seznam, matici nebo pole a použít funkci. Do apply() lze předat jakoukoli funkci.

funkce apply().

aplikovat() bere datový rámec nebo matici jako vstup a poskytuje výstup ve vektoru, seznamu nebo poli. Aplikovat funkce v R se primárně používá, aby se zabránilo explicitnímu použití konstrukcí smyček. Je to nejzákladnější ze všech kolekcí, které lze použít nad matricemi.

Tato funkce má 3 argumenty:

apply(X, MARGIN, FUN)
Here:
-x: an array or matrix
-MARGIN:  take a value or range between 1 and 2 to define where to apply the function:
-MARGIN=1`: the manipulation is performed on rows
-MARGIN=2`: the manipulation is performed on columns
-MARGIN=c(1,2)` the manipulation is performed on rows and columns
-FUN: tells which function to apply. Built functions like mean, median, sum, min, max and even user-defined functions can be applied>

Nejjednodušším příkladem je sečíst matici přes všechny sloupce. Kód apply(m1, 2, sum) použije funkci součtu na matici 5×6 a vrátí součet každého sloupce dostupného v datové sadě.

m1 <- matrix(C<-(1:10),nrow=5, ncol=6)
m1
a_m1 <- apply(m1, 2, sum)
a_m1

Výstup:

Doporučený postup: Před tiskem do konzole hodnoty uložte.

funkce lapply().

lapply() Funkce je užitečná pro provádění operací s objekty seznamu a vrací objekt seznamu stejné délky jako původní sada. lappy() vrací seznam podobné délky jako vstupní objekt seznamu, jehož každý prvek je výsledkem aplikace FUN na odpovídající prvek seznamu. Lapply v R bere seznam, vektor nebo datový rámec jako vstup a dává výstup v seznamu.

lapply(X, FUN)
Arguments:
-X: A vector or an object
-FUN: Function applied to each element of x	

l v lapply() znamená seznam. Rozdíl mezi lapply() a apply() spočívá mezi návratem výstupu. Výstupem lapply() je seznam. lapply() lze použít pro jiné objekty, jako jsou datové rámce a seznamy.

Funkce lapply() nepotřebuje MARGIN.

Velmi snadným příkladem může být změna hodnoty řetězce matice na malá písmena pomocí funkce tolower. Sestavíme matici s názvy slavných filmů. Název je ve formátu velkých písmen.

movies <- c("SPYDERMAN","BATMAN","VERTIGO","CHINATOWN")
movies_lower <-lapply(movies, tolower)
str(movies_lower)

Výstup:

## List of 4
## $:chr"spyderman"
## $:chr"batman"
## $:chr"vertigo"
## $:chr"chinatown"

K převedení seznamu na vektor můžeme použít unlist().

movies_lower <-unlist(lapply(movies,tolower))
str(movies_lower)

Výstup:

##  chr [1:4] "spyderman" "batman" "vertigo" "chinatown"

funkce sapply().

sapply() funkce bere seznam, vektor nebo datový rámec jako vstup a dává výstup ve vektoru nebo matice. Je užitečný pro operace s objekty seznamu a vrací objekt seznamu stejné délky jako původní sada. Funkce Sapply v R dělá stejnou práci jako funkce lapply(), ale vrací vektor.

sapply(X, FUN)
Arguments:
-X: A vector or an object
-FUN: Function applied to each element of x

Z datasetu aut můžeme měřit minimální rychlost a brzdnou dráhu aut.

dt <- cars
lmn_cars <- lapply(dt, min)
smn_cars <- sapply(dt, min)
lmn_cars

Výstup:

## $speed
## [1] 4
## $dist
## [1] 2

smn_cars

Výstup:

## speed  dist 
##     4     2

lmxcars <- lapply(dt, max)
smxcars <- sapply(dt, max)
lmxcars

Výstup:

## $speed
## [1] 25
## $dist
## [1] 120

smxcars

Výstup:

## speed  dist 
##    25   120

Můžeme použít uživatelskou vestavěnou funkci do lapply() nebo sapply(). Vytvoříme funkci s názvem avg pro výpočet průměru minima a maxima vektoru.

avg <- function(x) {  
  ( min(x) + max(x) ) / 2}
fcars <- sapply(dt, avg)
fcars

Výstup

## speed  dist
##  14.5  61.0

Sapply v R je ve vráceném výstupu efektivnější než lapply(), protože sapply() ukládá hodnoty přímo do vektoru. V dalším příkladu uvidíme, že tomu tak není vždy.

Rozdíl mezi apply(), sapply() a `lapply() můžeme shrnout v následující tabulce:

funkce	Argumenty	Objektivní	Vstup	Výstup
aplikovat	použít(x, MARGIN, FUN)	Použijte funkci na řádky nebo sloupce nebo obojí	Datový rámec nebo matice	vektor, seznam, pole
laply	lapply(X, FUN)	Použijte funkci na všechny prvky vstupu	Seznam, vektor nebo datový rámec	lest
šťáva	sappy(X, ZÁBAVA)	Použijte funkci na všechny prvky vstupu	Seznam, vektor nebo datový rámec	vektor nebo matice

Výřez vektoru

K rozdělení datového rámce můžeme použít zaměnitelné lapply() nebo sapply(). Vytvoříme funkci under_average(), která vezme vektor číselných hodnot a vrátí vektor, který obsahuje pouze hodnoty, které jsou přísně nad průměrem. Oba výsledky porovnáme s funkcí identické().

below_ave <- function(x) {  
    ave <- mean(x) 
    return(x[x > ave])
}
dt_s<- sapply(dt, below_ave)
dt_l<- lapply(dt, below_ave)
identical(dt_s, dt_l)

Výstup:

## [1] TRUE

tapply(X, INDEX, FUN = NULL)
Arguments:
-X: An object, usually a vector
-INDEX: A list containing factor
-FUN: Function applied to each element of x

Součástí práce datového vědce nebo výzkumníků je počítat souhrny proměnných. Například změřte průměrná nebo skupinová data na základě charakteristiky. Většina dat je seskupena podle ID, města, zemí a tak dále. Shrnutí nad skupinou odhalí zajímavější vzorce.

Abychom pochopili, jak to funguje, použijme datovou sadu duhovky. Tato datová sada je velmi známá ve světě strojového učení. Účelem tohoto souboru dat je předpovědět třídu každého ze tří druhů květin: Sepal, Versicolor, Virginica. Soubor dat shromažďuje informace pro každý druh o jejich délce a šířce.

Jako předchozí práci můžeme vypočítat medián délky pro každý druh. Tapply v R je rychlý způsob, jak provést tento výpočet.

data(iris)
tapply(iris$Sepal.Width, iris$Species, median)

Výstup:

##     setosa versicolor  virginica 
##        3.4        2.8        3.0