4-2R语言函数 apply

apply:沿着数组的某一维度处理数据

例如：将函数用于矩阵的行或列

虽然与for/while循环效率相似，但是只用一句话就可以完成

apply（参数）：apply（数组，维度，函数/函数名）

例：1.x<-matrix(1:16,4,4)

         apply(x,2,mean)(对x求列的平均)

         apply(x,2,sum)

相同于：rowSums(x)  rowMeans(x)

              colSums(x)   colMeans(x)

       2.x<-matrix(rnorm(100),10,10)(随机从正态分布的总体里抽取100个数据)

          apply(x,1,quantile,probs=c(0.25,0.75))(求25%和75%的百分位点所对应的数据)

       3.x<-array(rnorm(2*3*4),c(2,3,4))(三维数据，维度是2，3，4，第3维是4，即有4个2行3列的矩阵)

          apply(x,c(1,2),mean)(在第1维和第2维组成的平面上，沿着第4维进行求平均)

          apply(x,c(1,3),mean)

          apply(x,c(2,3),mean)

#rnorm(100) 随机从正态分布的总体里抽取100个数

x <- matrix(rnorm(100), 10, 10)

#quantile函数求百分位点的值，probs参数设置具体求哪些百分位点

#apply的第2个参数，1表示行，2表示列

apply(x, 1, quantile, probs = c(0.25, 0.75))

rnorm(2*3*4)是什么意思？

apply:apply(数组，维度，函数/函数名)

x <- matrix(1:16,4,4)

apply(x,2,mean)   #求x矩阵列的均值

apply(x,1,mean)   #求x矩阵行的均值

rowSums(x)    #求矩阵x各行的总和

colSums(x)     #求矩阵x各列的总和

x<-matrix(rnorm(100),10,10) #rnorm从正态分布总体里随机抽取100数

apply(x,1,quantile,probs=c(0.25,0.75))  #quntile百分位的点

x<-array(rnorm(2*3*4),c(2,3,4))

apply(x,c(1,2),mean)  #返回第一维度和第二维度所构成面的均值

colSums(x)

重要函数的使用

求列的平均

rowSums(x)---对行求和

rowMeans(x)---对行求平均

colSums(x)---对列求和

colMeans(x) -----对列求平均

rnorm(100)----随机从正态分布里抽取100个数据

quantile  -----  求数据的百分位点

三维数组，取其中的两维如（1，2）就是在1，2的维度上沿着第三维求函数

对行求平均值apply（x，2，mean）或者rowMeans（x）

对行求和apply（x，2，sum）或者rowSums（x）

对列求平均值apply（x，1，mean）或者colMeans（x）

对列求和apply（x，1，mean）或者colSums（x）

rnorm（100）随机从正态分布的总体里抽取100个数据

quantile求数据的百分位点，probs=c（0.25，0.75）对quantile进行限定，即求25%和75%对应的分位点是多少

矩阵与数组的区别在数组可以是两个以上的维度，

矩阵有两个维度，apply（x，2，mean）的意思是对数组x的第二个维度（列）求平均值

apply沿数组的某一维度处理数据

apply(数组，维度，函数名)沿着数组的某一维度处理数据，例如将函数用于矩阵的行或列求和sum。

rnorm(100)意思是随机从正态分布的总体里抽取100个数据

quantile()是求数据的百分位点，probs是对quantile进行限定，求多少的百分位点

apply(数组，维度，函数/函数名)：沿着数组的某一维度处理数据；

rowSums(x),rowMeans(x),colSums(x),colMeans(x)直接求行列和、平均；

apply():对数组进行循环处理

#apply,沿着数组的某一个维度处理数据x<-matrix(1:16,4,4)apply(x,2,mean)#求列的平均apply(x,2,sum)#求列的和rowSums(x)#同样可以求行的和rowMeans(x)colSums(x)colMeans(x) x<-matrix(rnorm(100),10,10)apply(x,1,quantile,probs=c(0.25,0.75))#quantile求数据的百分位点x<-array(rnorm(2*3*4),c(2,3,4))apply(x,c(1,2),mean)#以第1及第2维为基础，沿第3方向压成平面apply(x,c(1,3),mean)apply(x,c(2,3),mean)

x <- matrix(rnorm(100),10,10)

//随机从小正泰分布的总体里抽取100个数据，排成10行10列

apply(x,1,quantile,probs=c(0.25,0.75))

//将x传进apply,传进行，传进函数名——求数据的百分位点，指明百分位点

#apply的使用

#apply,沿着数组的某一个维度处理数据
x<-matrix(1:16,4,4)
apply(x,2,mean)#求列的平均
apply(x,2,sum)#求列的和
rowSums(x)#同样可以求行的和
rowMeans(x)
colSums(x)
colMeans(x)

x<-matrix(rnorm(100),10,10)
apply(x,1,quantile,probs=c(0.25,0.75))#quantile求数据的百分位点
x<-array(rnorm(2*3*4),c(2,3,4))
apply(x,c(1,2),mean)#以第1及第2维为基础，沿第3方向压成平面
apply(x,c(1,3),mean)
apply(x,c(2,3),mean)

#apply

x<-matrix(1:16, 4,4 )

apply(x,2 mean) # 沿着x的第二维度求平均，x有两个维度，行和列，第二个维度就是沿着x的列求平均

apply(x,2, sum) # 沿着x的第二维度求和

rowSum(x) / rowMean(x)

colSum(x) / colMean(x)

x2<-matrix(rnorm(100), 10, 10 )  #随机从正太分布的整体里抽出100个数据

x<- rnorm(100)       #产生100个服从正态分布的随机数

x<-rnorm(100,3,4)       #产生100个均值是3，标准差为4的随机数

apply(x2, 1, quantile, probs=c(0.25,0.75 ))  

x3<-array(rnorm(2*3*4), c(2,3,4 ))

apply(x, c(1,2), mean)  #在第一维和第二维组成的平面上，沿着第三维求平均

apply：沿着数组的某一维度处理数据。 

apply(数组/矩阵，维度，函数/函数名)，维度是选择哪个维度，可以用c() 

行求和：rowSums(x) 行求平均：rowMeans(x) 列求和：colSums(x) 列求平均：colMeans(x)  这四个函数在用于单纯行\列操作效率比apply高

rnorm(num)：随机从正态分布中取num个数据 

quantile：求数据的百分位点，可通过probs=c()进行分配