R中利用apply、tapply、lapply、sapply、mapply、table等函數進行分組統計

• apply函數（對一個數組按行或者按列進行計算）：

使用格式為：

apply(X, MARGIN, FUN, ...)

其中X為一個數組；MARGIN為一個向量（表示要將函數FUN應用到X的行還是列），若為1表示取行，為2表示取列，為c(1,2)表示行、列都計算。
示例代碼：
> 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

• 函數tapply（進行分組統計）：

使用格式為：

tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)

其中X通常是一向量；INDEX是一個list對象，且該list中的每一個元素都是與X有同樣長度的因子；FUN是需要計算的函數；simplify是邏輯變量，若取值為TRUE（默認值），且函數FUN的計算結果總是為一個標量值，那么函數tapply返回一個數組；若取值為FALSE，則函數tapply的返回值為一個list對象。需要注意的是，當第二個參數INDEX不是因子時，函數 tapply() 同樣有效，因為必要時 R 會用 as.factor()把參數強制轉換成因子。
示例代碼：
> 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實現類似於excel里的數據透視表的功能：
> 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

• 函數table（求因子出現的頻數）：

使用格式為：

table(..., exclude = if (useNA == "no") c(NA, NaN), useNA = c("no",

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

其中參數exclude表示哪些因子不計算。
示例代碼：
> 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

 

• 函數lapply與函數sapply：

lapply的使用格式為：

lapply(X, FUN, ...)

lapply的返回值是和一個和X有相同的長度的list對象，這個list對象中的每個元素是將函數FUN應用到X的每一個元素。其中X為List對象（該list的每個元素都是一個向量），其他類型的對象會被R通過函數as.list()自動轉換為list類型。

函數sapply是函數lapply的一個特殊情形，對一些參數的值進行了一些限定，其使用格式為：

sapply(X, FUN,..., simplify = TRUE, USE.NAMES = TRUE)

sapply(*, simplify = FALSE, USE.NAMES = FALSE) 和lapply(*)的返回值是相同的。如果參數simplify=TRUE，則函數sapply的返回值不是一個list，而是一個矩陣；若simplify=FALSE，則函數sapply的返回值仍然是一個list。
示例代碼：
> 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
#參數simplify=TRUE的情況
> 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

• 函數mapply：

函數mapply是函數sapply的變形版，mapply 將函數 FUN 依次應用每一個參數的第一個元素、第二個元素、第三個元素上。函數mapply的使用格式如下：

mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE,USE.NAMES = TRUE)

其中參數MoreArgs表示函數FUN的參數列表。

示例代碼：
> 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

#直接使用函數rep的結果：
> rep(1:4,1:4)
 [1] 1 2 2 3 3 3 4 4 4 4

 

 

 

 

1、假定有一組成績數據，要求根據性別進行分組統計：

> score
    ID   score1 score2 Gender
1  101 11.35321    0.9   male
2  102 12.58654    0.6   male
3  103 19.79380    0.9 female
4  104 12.01352    0.4 female
5  105 11.97081    0.4 female
6  106 17.37480    0.7 female
7  107 14.24884    0.3 female
8  108 18.47972    0.8   male
9  109 18.74792    0.8   male
10 110 18.90146    0.7   male

2、方法：使用aggregate(x, by, FUN)

其中x是待折疊的數據對象，by是一個變量名組成的列表，這些變量將被去掉以形成新的觀測，而FUN則是用來計算描述性統計量的標量函數，它將被用來計算新觀測中的值。 

> aggregate(score[,c(2,3)],list(score[,4]),mean)
  Group.1   score1 score2
1  female 15.08035   0.54
2    male 16.01377   0.76

score[,c(2,3)] 表示對score1和score2列進行分組統計

list(score[,4])表示根據score第4列，也就是性別列進行分組統計。

mean表示統計平均值。

也可以寫作下面的形式：

> aggregate(score[,c(2,3)],list(score$Gender),mean)
  Group.1   score1 score2
1  female 15.08035   0.54
2    male 16.01377   0.76

可選參考：

library(dplyr)

group_by(data, sex) %>% summarize_each(funs(mean), var1, var2, var3...)