R中利用apply、tapply、lapply、sapply、mapply、table等函数进行分组统计

原文链接

apply函数（对一个数组按行或者按列进行计算）：

使用格式为：
apply(X, MARGIN, FUN, ...)

其中X为一个数组；MARGIN为一个向量（表示要将函数FUN应用到X的行还是列），若为1表示取行，为2表示取列，为c(1,2)表示行、列都计算。

示例代码：

> ma <- matrix(c(1:4, 1, 6:8), nrow = 2)

> ma

     [,1] [,2] [,3] [,4]

[1,]    1    3    1    7

[2,]    2    4    6    8

> apply(ma, c(1,2), sum)

     [,1] [,2] [,3] [,4]

[1,]    1    3    1    7

[2,]    2    4    6    8

> apply(ma, 1, sum)

[1] 12 20

> apply(ma, 2, sum)

[1]  3  7  7 15

函数tapply（进行分组统计）：

使用格式为：
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)

其中X通常是一向量；INDEX是一个list对象，且该list中的每一个元素都是与X有同样长度的因子；FUN是需要计算的函数；simplify是逻辑变量，若取值为TRUE（默认值），且函数FUN的计算结果总是为一个标量值，那么函数tapply返回一个数组；若取值为FALSE，则函数tapply的返回值为一个list对象。需要注意的是，当第二个参数INDEX不是因子时，函数 tapply() 同样有效，因为必要时 R 会用 as.factor()把参数强制转换成因子。

示例代码：

> fac <- factor(rep(1:3, length = 17), levels = 1:5)

> fac

 [1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2

Levels: 1 2 3 4 5

> tapply(1:17, fac, sum)

 1  2  3  4  5

51 57 45 NA NA

> tapply(1:17, fac, sum, simplify = FALSE)

$`1`

[1] 51

$`2`

[1] 57

$`3`

[1] 45

$`4`

NULL

$`5`

NULL

> tapply(1:17, fac, range)

$`1`

[1]  1 16

$`2`

[1]  2 17

$`3`

[1]  3 15

$`4`

NULL

$`5`

NULL

#利用tapply实现类似于excel里的数据透视表的功能：

> da

   year province sale

1  2007        A    1

2  2007        B    2

3  2007        C    3

4  2007        D    4

5  2008        A    5

6  2008        C    6

7  2008        D    7

8  2009        B    8

9  2009        C    9

10 2009        D   10

> attach(da)

> tapply(sale,list(year,province))

 [1]  1  4  7 10  2  8 11  6  9 12

> tapply(sale,list(year,province),mean)

      A  B C  D

2007  1  2 3  4

2008  5 NA 6  7

2009 NA  8 9 10

函数table（求因子出现的频数）：

使用格式为：
table(..., exclude = if (useNA == "no") c(NA, NaN), useNA = c("no",

    "ifany", "always"), dnn = list.names(...), deparse.level = 1)

其中参数exclude表示哪些因子不计算。

示例代码：

> d <- factor(rep(c("A","B","C"), 10), levels=c("A","B","C","D","E"))

> d

 [1] A B C A B C A B C A B C A B C A B C A B C A B C A B C A B C

Levels: A B C D E

> table(d)

d

 A  B  C  D  E

10 10 10  0  0

> table(d, exclude="B")

d

 A  C  D  E

10 10  0  0

函数lapply与函数sapply：

lapply的使用格式为：
lapply(X, FUN, ...)

lapply的返回值是和一个和X有相同的长度的list对象，这个list对象中的每个元素是将函数FUN应用到X的每一个元素。其中X为List对象（该list的每个元素都是一个向量），其他类型的对象会被R通过函数as.list()自动转换为list类型。

函数sapply是函数lapply的一个特殊情形，对一些参数的值进行了一些限定，其使用格式为：
sapply(X, FUN,..., simplify = TRUE, USE.NAMES = TRUE)

sapply(*, simplify = FALSE, USE.NAMES = FALSE) 和lapply(*)的返回值是相同的。如果参数simplify=TRUE，则函数sapply的返回值不是一个list，而是一个矩阵；若simplify=FALSE，则函数sapply的返回值仍然是一个list。

示例代码：

> x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE))

> lapply(x, quantile)

$a

   0%   25%   50%   75%  100%

 1.00  3.25  5.50  7.75 10.00

$beta

         0%         25%         50%         75%        100%

 0.04978707  0.25160736  1.00000000  5.05366896 20.08553692

$logic

  0%  25%  50%  75% 100%

 0.0  0.0  0.5  1.0  1.0

> sapply(x, quantile,simplify=FALSE,use.names=FALSE)

$a

   0%   25%   50%   75%  100%

 1.00  3.25  5.50  7.75 10.00

$beta

         0%         25%         50%         75%        100%

 0.04978707  0.25160736  1.00000000  5.05366896 20.08553692

$logic

  0%  25%  50%  75% 100%

 0.0  0.0  0.5  1.0  1.0

#参数simplify=TRUE的情况

> sapply(x, quantile)

         a        beta logic

0%    1.00  0.04978707   0.0

25%   3.25  0.25160736   0.0

50%   5.50  1.00000000   0.5

75%   7.75  5.05366896   1.0

100% 10.00 20.08553692   1.0

函数mapply：

函数mapply是函数sapply的变形版，mapply 将函数 FUN 依次应用每一个参数的第一个元素、第二个元素、第三个元素上。函数mapply的使用格式如下：
mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE,USE.NAMES = TRUE)

其中参数MoreArgs表示函数FUN的参数列表。

示例代码：

> mapply(rep, times=1:4, x=4:1)

[[1]]

[1] 4

[[2]]

[1] 3 3

[[3]]

[1] 2 2 2

[[4]]

[1] 1 1 1 1

#直接使用函数rep的结果：

> rep(1:4,1:4)

 [1] 1 2 2 3 3 3 4 4 4 4