[R]高級結構指令(lapply, sapply和apply)的用法

基本的程序語言都具備基本的控制結構指令，如if...else和for...loop，一般可做為操作向量數據的輔助工具。然而，當用於大數據的平行處理作業，切換為矩陣操作就顯得相當重要，R語言中的高級數據結構指令即具備平行處理大數據的功能。

lapply: 輸入資料結構為一個列表(list)和一個自訂函數(fun)，即可對列表中的數據進行平行計算和求值，輸出資料結構為一個列表(list)。以一個列表(data1)和平均值函數(mean)作為範例，如下。

#data
data1<-list(num=c(1:5), name=c(10,20,30),mat=matrix(1:15,nrow = 3,ncol = 5))
#result
cal1<-lapply(data1, mean)

#輸出結果
> cal1
$num
[1] 3
$name
[1] 20
$mat
[1] 8

也可以進一步用自訂函數(fun)來計算，範例如下。

#function
f<-function(x){x/5}
#data
data1<-list(num=c(1:5), name=c(10,20,30),mat=matrix(1:15,nrow = 3,ncol = 5))
#result
cal2<-lapply(data1, f)

#輸出結果
> cal2
$num
[1] 0.2 0.4 0.6 0.8 1.0
$name
[1] 2 4 6
$mat
     [,1] [,2] [,3] [,4] [,5]
[1,]  0.2  0.8  1.4  2.0  2.6
[2,]  0.4  1.0  1.6  2.2  2.8
[3,]  0.6  1.2  1.8  2.4  3.0

sapply: 與lapply使用方式相似，輸入資料結構為一個列表(list)和一個自訂函數(fun)，唯輸出資料結構為向量(vector)。為了確認數據類型，可用class指令來確認，如下。

#data
data1<-list(num=c(1:5), name=c(10,20,30),mat=matrix(1:15,nrow = 3,ncol = 5))
cal1<-lapply(data1, mean)
cal3<-sapply(data1, mean)

#輸出結果
> cal1
$num
[1] 3
$name
[1] 20
$mat
[1] 8
> cal3
 num name  mat 
   3   20    8 
> class(cal1)
[1] "list"
> class(cal3)
[1] "numeric"

apply: 輸入資料結構為一個矩陣(matrix)和一個自訂函數(fun)，輸出資料結構為一個向量(vector)或矩陣(matrix)。範例如下。

#function
f<-function(x){x/5}
data2<-matrix(c(1:30),nrow=6,ncol=5)
#col calculation result
cal4<-apply(data2,2, f)
#col mean result
cal5<-apply(data2,2, mean)
#row mean result
cal6<-apply(data2,1, mean)

#輸出結果
> data2
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    7   13   19   25
[2,]    2    8   14   20   26
[3,]    3    9   15   21   27
[4,]    4   10   16   22   28
[5,]    5   11   17   23   29
[6,]    6   12   18   24   30
> cal4
     [,1] [,2] [,3] [,4] [,5]
[1,]  0.2  1.4  2.6  3.8  5.0
[2,]  0.4  1.6  2.8  4.0  5.2
[3,]  0.6  1.8  3.0  4.2  5.4
[4,]  0.8  2.0  3.2  4.4  5.6
[5,]  1.0  2.2  3.4  4.6  5.8
[6,]  1.2  2.4  3.6  4.8  6.0
> cal5
[1]  3.5  9.5 15.5 21.5 27.5
> cal6
[1] 13 14 15 16 17 18