基本表达

apply(X, MARGIN, FUN, …) ，X为数据框，margin =1 表示行，2表示列，fun 表示使用的函数。

test<- iris[,1:4]
apply(test, 1, sum)
# 也可以对apply 的操作通过循环实现。
res <- c()
for(i in 1:nrow(test)){
  res[[i]] <- sum(test[i,])
}

lapply

对列表或向量进行操作，且返回值也是一个列表。

test <- list(x = 36:33,
             y = 32:35,
             z = 30:27)
#返回值是列表，对列表中的每个元素（向量）求均值(试试方差var,分位数quantile)
> lapply(test,mean)
$x
[1] 34.5
$y
[1] 33.5
$z
[1] 28.5

sapply

比lapply 简单，也是处理列表或向量，但返回值为向量及矩阵。

test <- list(x = 36:33,
             y = 32:35,
             z = 30:27)
> sapply(test,min)
 x  y  z 
33 32 27

vapply

与lapply 与sapply 基本类似，只是需要指定 fun(FUN) 。

recap

练习题

# 练习：
rm(list=ls())
library(tidyverse)
# 1.加载test2.Rdata,求每一行的方差
load("test2.Rdata")
apply(test, 1, var)
# 2.加载class.Rdata,尝试将前6列转为数值型，得到一个新矩阵
load("class.Rdata")
y <- y[,1:6]
apply(y, 2,as.numeric)
# 3.解析代码：
names(tail(sort(apply(test,1,sd)),1000))
# 获得test 数据框中标准差最大的1000行的行名