Applying functions
자료에서 원자별, 그룹별로 함수등을 적용할 경우 apply 계열의 함수를 사용합니다. 예를 들어 행렬, 배열, 데이터 프레임의 지정된 차원에 함수를 적용하거나 리스트의 각 인덱스별로 함수등을 적용할 경우 control 문을 대신하여 사용합니다. 이 계열의 함수들의 기본 목적은 같지만 입력과 출력의 데이터 형태에서 차이를 보입니다.
- apply(x, margin, Fun, ...)
- margin: 차원인덱스, Fun: 적용할 함수
- 입력: array, dataframe, 출력: vector, list, array
- lapply(x, Fun, ...)
- 입력: list, vector, dataframe, 출력: list
- sapply(x, Fun, ...)
- 입력: list, vector, dataframe, 출력: vector, array
- lapply()와 동일하지만 벡터나 배열을 출력
- tapply(x, index, Fun, ...)
- index: factor를 포함한 list
- 입력: list, vector, factor, dataframe, 출력: vector, array
set.seed(10) da<-round(matrix(runif(24), 6, 4), 3) colnames(da)<-c('one', 'two', 'three', 'four') rownames(da)<-paste('case', 1:6, sep=' ') head(da, 2)
one two three four case 1 0.507 0.275 0.114 0.399 case 2 0.307 0.272 0.596 0.836행기준의 평균
apply(da, 1, mean)
case 1 case 2 case 3 case 4 case 5 case 6 0.32375 0.50275 0.56650 0.54175 0.39100 0.35325열기준의 평균
apply(da, 2, mean)
one two three four 0.3740000 0.4688333 0.3021667 0.6410000열기준으로 최대와 최소 20%를 절삭하는 trim mean을 계산합니다.
apply(da, 2, mean, trim=0.2)
one two three four 0.36650 0.47225 0.29125 0.65625다음 객체는 학생들의 이름으로 구성된 벡터로 각 학생의 fistname만으로 구성된 객체를 생성합니다.
Student <- c("John Davis", "Angela Williams", "Bullwinkle Moose", "David Jones", "Janice Markhammer", "Cheryl Cushing", "Reuven Ytzrhak", "Greg Knox", "Joel England", "Mary Rayburn") name<-strsplit(Student, ' ')
[[1]] [1] "John" "Davis" [[2]] [1] "Angela" "Williams" ⋮ [[10]] [1] "Mary" "Rayburn"
fNameL<-lapply(name, '[', 1); fNameL
[[1]] [1] "John" ⋮ [[10]] [1] "Mary"위 함수에 적용된 '['는 객체의 부분을 분취하기 위한 함수입니다. 위 객체는 list이므로
unlist()
함수를 사용하여 vector로 전환할 수 있습니다.
fNameV<-unlist(fNameL); fNameV
[1] "John" "Angela" "Bullwinkle" "David" "Janice" [6] "Cheryl" "Reuven" "Greg" "Joel" "Mary"위의 lapply() 적용 결과를 벡터로 전환하는 과정은 sapply()함수를 사용하는 것으로 생략할 수 있습니다.
sapply(name, '[', 1)
[1] "John" "Angela" "Bullwinkle" "David" "Janice" [6] "Cheryl" "Reuven" "Greg" "Joel" "Mary"lapply(), sapply()함수를 dataframe에 적용할 경우 열기준으로 작동됩니다. 위의 데이터 da를 dataframe 형식으로 전환하여 두 함수를 적용한 결과는 다음과 같습니다.
daf<-as.data.frame(da); daf
one two three four case 1 0.507 0.275 0.114 0.399 …
lapply(daf, mean)
$one [1] 0.374 $two [1] 0.4688333 ⋮
sapply(daf, sd)
one two three four 0.2156247 0.1690354 0.2024791 0.2220910tapply()는 벡터의 각 요인 변수에 대한 측정값(평균, 중앙값, 최소값, 최대값 등) 또는 함수를 계산합니다. 벡터의 하위 집합을 만든 다음 각 하위 집합에 일부 기능을 적용할 수 있는 매우 유용한 기능입니다.
data(iris) head(iris)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa이 자료의 구조는 dataframe이지만 각 열 자료는 다음의 형태를 가집니다.
sapply(iris, class)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species "numeric" "numeric" "numeric" "numeric" "factor"위 결과와 같이 Species 열은 factor이므로
levels()
함수를 사용하여 고유값을 확인할 수 있습니다.
levels(iris$Species)
[1] "setosa" "versicolor" "virginica"위 결과는 중복값을 제거하고 고유값만을 반환하는
unique()
함수를 사용할 수 있습니다. 이 함수의 결과는 factor 형입니다.
unique(iris$Species)
[1] setosa versicolor virginica Levels: setosa versicolor virginica자료 iris에서 Sepal.Length를 Species의 각 수준(level)로 그룹화하여 각 그룹의 평균들 계산합니다. 이 계산은 tapply()함수를 적용합니다.
with(iris, { + meanLen<<-tapply(Sepal.Length, Species, mean) + }) meanLen
setosa versicolor virginica 5.006 5.936 6.588
댓글
댓글 쓰기