R语言数据处理篇之高级循环

１ replication

• rep 函数能把输入的参数重复数次。另一个相关函数replicate 则能调用表达式数次。大多数情况下它们基本相等，只有当使用随机数时才会出现不同。现在，假定生成均匀分布随机数的runif 函数不是矢量化的，那么rep 函数每次都将重复相同的随机数，而replicate 每次的结果都不相同（由于历史的原因，其参数顺序竟然是从后到前的，这有点烦人）：

rep(runif(1),5)

## [1] 0.3322252 0.3322252 0.3322252 0.3322252 0.3322252

replicate(5,runif(1))

## [1] 0.283310499 0.008578707 0.146623782 0.415137337 0.338364811

• 在更为复杂的例子中，replicate 会大显身手。例如，在蒙特卡罗（Monte Carlo）分析中——replicate 最主要的用途，你需要重复固定次数的分析过程且每次迭代都是相互独立的。
• 下一个例子将分析某人上下班时使用不同交通工具所花费的时间。这有些复杂，不过这是为了展示replicate 的作用，它非常适合于这种场景。
• time_for_commute 函数用sample 随机挑选一种交通工具（小汽车、公交车或自行车），然后用rnorm 或rlnorm 找到一个正态分布或对数正态分布1 的行程时间（具体参数取决于所选的交通工具）。

time_for_commute <- function()
{
  mode_of_transport <- sample(
  c("car","bus","train","bike"),size = 1,prob = c(0.1,0.2,0.3,0.4)
  )
time <- switch(
  mode_of_transport,car = rlnorm(1,log(30),0.5),bus = rlnorm(1,log(40),train = rnorm(1,30,10),bike = rnorm(1,60,5)
  )
names(time) <- mode_of_transport
time
}

• switch 语句的存在使得这个函数很难被向量化。这意味着：为了找到上下班时间的分布，我们需要多次调用time_for_commute 来生成每天的数据。replicate 使我们能即刻进行向量化：

replicate(5,time_for_commute())

##      bus     bike    train      bus     bike 
## 21.79452 60.34375 29.05779 45.15100 57.18907

２　遍历列表

• 现在，你已经注意到向量化在R 中无处不在。事实上，你会很自然地选择编写向量化代码。因为它使代码看上去更精简，且与循环相比它的性能更好。不过，在某些情况下，保持矢量化意味着控制代码的方式不太自然。此时，apply 系列的函数能更自然地让你进行“伪矢量化”2。
• 最简单且常用的成员函数是lapply，它是“list apply”的缩写。lapply 的输入参数是某个函数，此函数将依次作用于列表中的每个元素上，并将结果返回到另一个列表中。

# 构建质因数分解列表：
prime_factors<-list(
  two=2,three=3,four=c(2,2),five=5,six=c(2,3),seven=7,eight=c(2,2,nine=c(3,ten=c(2,5)
  )
head(prime_factors)

## $two
## [1] 2
## 
## $three
## [1] 3
## 
## $four
## [1] 2 2
## 
## $five
## [1] 5
## 
## $six
## [1] 2 3
## 
## $seven
## [1] 7

# 以向量化的方式在每个列表元素中搜索唯一值是很难做到的。我们可以写一个for 循环来逐个地检查元素，但这种方法有点笨拙：
unique_primes<-vector("list",length(prime_factors))
for(i in seq_along(prime_factors))
  {
  unique_primes[[i]]<-unique(prime_factors[[i]])
  }
names(unique_primes)<-names(prime_factors)
unique_primes

## $two
## [1] 2
## 
## $three
## [1] 3
## 
## $four
## [1] 2
## 
## $five
## [1] 5
## 
## $six
## [1] 2 3
## 
## $seven
## [1] 7
## 
## $eight
## [1] 2
## 
## $nine
## [1] 3
## 
## $ten
## [1] 2 5

# lapply 大大简化了这种操作，你无需再用那些陈腔滥调的代码来进行长度和名称检查：
lapply(prime_factors,unique)

## $two
## [1] 2
## 
## $three
## [1] 3
## 
## $four
## [1] 2
## 
## $five
## [1] 5
## 
## $six
## [1] 2 3
## 
## $seven
## [1] 7
## 
## $eight
## [1] 2
## 
## $nine
## [1] 3
## 
## $ten
## [1] 2 5

# 如果函数的每次返回值大小相同，且你知其大小为多少，那么你可以使用lapply 的变种vapply。vapply 的含义是：应用于（apply）列表而返回向量（vector）。和前面一样，它的输入参数是一个列表和函数，但vapply 还需要第三个参数，即返回值的模板。它不直接返回列表，而是把结果简化为向量或数组：
vapply(prime_factors,length,numeric(1))

##   two three  four  five   six seven eight  nine   ten 
##     1     1     2     1     2     1     3     2     2

• 如果输出不能匹配模板，那么vapply 将抛出一个错误——vapply 不如lapply 灵活，因为它输出的每个元素必须大小相同且必须事先就知道。
• 还有一种介于lapply 和vapply 之间的函数sapply，其含义为：简化（simplfy）列表应用。与其他两个函数类似，sapply 的输入参数也是一个列表和函数。它不需要模板，但它会尽可能地把结果简化到一个合适的向量和数组中。

prime_factors<-list(
  two=2,5)
  )
sapply(prime_factors,unique)

## $two
## [1] 2
## 
## $three
## [1] 3
## 
## $four
## [1] 2
## 
## $five
## [1] 5
## 
## $six
## [1] 2 3
## 
## $seven
## [1] 7
## 
## $eight
## [1] 2
## 
## $nine
## [1] 3
## 
## $ten
## [1] 2 5

sapply(prime_factors,length)

##   two three  four  five   six seven eight  nine   ten 
##     1     1     2     1     2     1     3     2     2

sapply(prime_factors,summary)

##         two three four five  six seven eight nine  ten
## Min.      2     3    2    5 2.00     7     2    3 2.00
## 1st Qu.   2     3    2    5 2.25     7     2    3 2.75
## Median    2     3    2    5 2.50     7     2    3 3.50
## Mean      2     3    2    5 2.50     7     2    3 3.50
## 3rd Qu.   2     3    2    5 2.75     7     2    3 4.25
## Max.      2     3    2    5 3.00     7     2    3 5.00

# 匿名函数传给lapply
complemented <- c(2,3,6,18)
lapply(complemented,rep.int,times=4)

## [[1]]
## [1] 2 2 2 2
## 
## [[2]]
## [1] 3 3 3 3
## 
## [[3]]
## [1] 6 6 6 6
## 
## [[4]]
## [1] 18 18 18 18

lapply(complemented,function(x) rep.int(4,time=x))

## [[1]]
## [1] 4 4
## 
## [[2]]
## [1] 4 4 4
## 
## [[3]]
## [1] 4 4 4 4 4 4
## 
## [[4]]
##  [1] 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

• 在极个别的情况下，你可能需要循环遍历环境（而非列表）中每个变量。对此，你可以使用专门的函数eapply。当然，在最新版本的R 中，你也可以使用lapply：

env<-new.env()
env$molien<-c(1,1,3)
env$larry<-c("Really","leery","rarely","Larry")
eapply(env,length)

## $molien
## [1] 9
## 
## $larry
## [1] 4

lapply(env,length)

## $molien
## [1] 9
## 
## $larry
## [1] 4

• rapply 是lapply 函数的递归版本，它允许你循环遍历嵌套列表。这是个特殊的要求，且如果事先使用unlist 将数据扁平化就会使代码变得更简单。

３　遍历数组

• lapply 和它的小伙伴vapply 与sapply 都可用于矩阵和数组上，但它们的行为往往不是我们想要的。这三个函数把矩阵和数组看作向量，将目标函数作用于每个元素上（沿列往下移动）。而更为常见的是，当要把函数作用于一个数组时，我们希望能按行或列应用它们。下面的例子使用matlab 包，提供了对手语言所具备的功能。

library(matlab)

## 
## Attaching package: 'matlab'
## 
## The following object is masked from 'package:stats':
## 
##     reshape
## 
## The following objects are masked from 'package:utils':
## 
##     find,fix
## 
## The following object is masked from 'package:base':
## 
##     sum

(magic4<-magic(4))

##      [,1] [,2] [,3] [,4]
## [1,]   16    2    3   13
## [2,]    5   11   10    8
## [3,]    9    7    6   12
## [4,]    4   14   15    1

magic 函数将创建一个f 方阵：n×n 的、从1 排到n² 的数字矩阵，其行数和列数相等：