R语言学习：函数，分支和循环

变量用于临时存储数据，而函数用于操作数据，实现代码的重复使用。在R中，函数只是另一种数据类型的变量，可以被分配，操作，甚至把函数作为参数传递给其他函数。分支控制和循环控制，和通用编程语言的风格很相似，但是，不要因为R具有这些元素，就把R作为通用编程语言来看待，R的最小变量是向量，是一种面向数组（Array-Oriented）的语言。在编程时，尽量用array的方式思考，避免使用循环（for，while，repeat）控制，而使用apply函数家族实现计算的迭代，这是R语言的特色，把特定的函数应用于向量，列表或数组中的每个元素上。

一，R风格的函数

R通过function关键字定义函数，函数主要由函数名称，参数，运行的代码块和返回值组成，函数名称是变量，参数是调用函数时需要传递的形式参数；代码块是由由大括号构成，是调用函数时需要执行的代码逻辑；R的函数不需要显式地使用return关键字明确返回值，R函数的计算的最后一个值将自动作为返回值。

1，创建函数

例如，创建一个函数，并把函数赋值给avg变量，可以认为函数的名称是avg，其有两个参数a和b，大括号内的代码是函数体，实现的功能是求两个数的平均值。在R中创建函数时，如果函数体只有一行代码，可以省略大括号。

avg=function(a,b){    mead(c(a,b))}

该函数没有显式调用return关键字，函数代码块种计算的最后一次自动最为返回值，在avg函数种，代码块调用系统函数mean，返回参数a和b的平均值，调用格式是函数名称(形式参数)：

> avg(2,3)[1] 2.5

调用函数时，如果不命名参数，则R按照位置匹配参数，因此，2对应形式参数a，3对应形式参数b。如果要改变传递参数的顺序，则可以传入命名参数：

> avg(b=2,a=3)[1] 2.5

可以为函数的参数设置默认值，当调用函数时，如果没有为参数传递相应的值，那么函数将自动使用默认值作为函数代码块执行的当前值。

> avg=function(a=1,b=1)mean(c(a,b))> avg()[1] 1

虽然函数中最后一行代码的值是自动返回的，但是，为了便于阅读代码，建议使用return函数，清晰地指定要返回的值，return函数除了指定函数的返回值之外，还能使函数退出，不再继续执行后面的代码。

> avg=function(a=1,b=1) return(mean(c(a,b)))

2，把函数作为参数传递给其他函数

函数本质上是一个函数类型的变量，和其他类型的变量一样，能够作为函数的形式参数，传递给其他函数，例如：

> fn_call=function(x,a,b)x(a,b)> fn_call(avg,1,2)[1] 1.5

R提供一个系统函数do.call(fun,args)，用于调用其他函数，第一个参数是函数变量，第二个参数是有参数构成的列表：

> do.call(avg,args=list(1,2))[1] 1.5

3，查看函数的定义

通过函数args用于显示函数的头部文本，用于显示函数的头部定义，例如：

> args(avg)function (a = 1, b = 1) NULL

body(fun)函数用于返回函数的代码块，例如：

> body(avg)mean(c(a, b))

除了这两个函数，还有函数formals(fun)，用于查看函数的参数及其默认值，如果函数没有定义参数的默认值，那么只显示参数名，formals显示的参数名格式是$参数名。函数deparse(fun)用于查看函数调用的函数。

4，特殊的参数

R提供了一个特殊的运算符（...），该运算符允许函数具有任意多个的参数，并且不需要在函数定义中指定。

avg=function(a,b, ...) mead(c(a,b))

二，分支和循环

分支和循环是通用编程必不可少的两大流程控制元素，分支语句根据条件，执行不同的代码，而循环语句重复执行代码块，可以根据条件结束循环。

1，分支控制

经典流程控制关键字是if-else，特殊的关键字ifelse(test, yes, no)，当test条件为TRUE时，返回yes值，当test条件为FALSE时，返回no值。

> ifelse(c(1,2,3)>=2,'Greater','Less')[1] "Less"    "Greater" "Greater"

如果分支较多，可以使用switch函数实现分支的选择，switch函数的第一个参数是表达式（exp），通常是一个字符串；当表达式（exp）匹配后续的参数名（即变量名）时，返回参数的值：

> color=function(t) switch(t,r='red',g='green',b='blue')> color('r')[1] "red"

如果不匹配任何参数名，switch函数不返回任何值，可以添加一个匿名的参数，当表达式（exp）匹配不上任意一个命名参数时，switch函数将返回匿名参数的值：

> color=function(t) switch(t,r='red',g='green',b='blue', 'error')> color('d')[1] "error"

2，循环控制

循环控制语句是repeat、while和for，R的向量化自带循环特性，减少了循环语句使用的场景，但是在重复执行代码时，循环控制还是非常有用。

repeat 循环：先执行代码，遇到break关键字，结束循环，也可以在break关键字前增减if(test)语句，当指定的条件成立（为TRUE）时，执行break关键字，结束循环：

repeat {codeif(test) break}

while 循环：先检测条件，如果条件为TRUE，执行code；如果条件为FALSE，结束循环：

while(test){code}

for 循环：使用迭代器和一个向量参数，在每个循环中，迭代器变量从向量中取得一个值，直到迭代所有得向量：

for(i in c(1:5)){code}

三，高级循环控制

高级循环控制主要是指编写向量化的代码，apply系列的函数使得循环更加向量化，更加高效。

1，重复调用表达式

rep函数把输入的参数重复多次，如果参数是表达式，rep函数会把表达式的结果重复多次；而replicate函数是重复调用表达式，每次调用表达式的过程都是独立的，这意味着，如果产生随机数，rep函数产生的随机数是”伪随机的“，重复第一次产生的随机数，而replicate产生的随机数是真正随机的，每次都不相同。

> rep(runif(1),5)[1] 0.8721105 0.8721105 0.8721105 0.8721105 0.8721105> replicate(5,runif(1))[1] 0.9426709 0.1280271 0.1926333 0.7091503 0.5404846

2，遍历数组

R 文档中，apply函数返作用于数组或矩阵，按照相应的维度（边，margin）提取参数，调用函数执行计算，并返回的结果，结果的类型是向量，数组，或列表。

Returns a vector or array or list of values obtained by applying a function to margins of an array or matrix.

apply函数的最大特色是用于调用函数，第一个参数是数组或矩阵，第二个参数是边，即维度的序号或维度名称，1是指按照第一个维度（row），2是指按照第二个维度（column），3是指按照第三个维度（high），以此类推，也可以是维度的向量，例如，c(1,2)；第三个参数是函数变量，函数变量必须能够接收相应维度的所有项：

apply(X, MARGIN, FUN, ...)

例如，对矩阵按照行（row）调用求和函数，统计每行的加和，即把同一行中的所有列的值相加求和：

> a_matrix=matrix(data=1:12,nrow=4)> a_matrix     [,1] [,2] [,3][1,]    1    5    9[2,]    2    6   10[3,]    3    7   11[4,]    4    8   12> apply(a_matrix,1,sum)[1] 15 18 21 24

2，遍历列表

遍历列表是指遍历列表的所有列表项，最常用的apply函数是lapply，该函数名是”list apply“的缩写，该函数的定义是：lapply(x, FUN, ...)，参数x是列表变量，参数FUN是应用在列表项上的函数，lapply函数返回的结果是一个列表，其长度和参数x（参数是一个列表）的长度相同，每一个列表项对应参数x的列表项，只不过，lapply函数把参数FUN指定的函数，作用于参数x的每个列表项，把FUN处理的结果，作为新的列表项返回。

例如，定义一个列表，该列表有两个列表项，每个列表项中都有重复的元素值：

> a_list=list(c('a','b','a'),rep(c(1:2),5))> a_list[[1]][1] "a" "b" "a"[[2]] [1] 1 2 1 2 1 2 1 2 1 2

View Code

方法1，通过for循环，逐个遍历列表项，使用unique函数，去除列表项中元素的重复值：

> b_list=list()> for(i in seq_along(a_list)){+     b_list[[i]]=unique(a_list[[i]]);+ }

方法2，使用lapply函数，应用unique函数，去除列表项中元素的重复值：

> lapply(a_list,unique)

3，多参数列表应用

mapply是多参数列表应用（multiple argument list apply）的简称，mapply函数的第一个参数是函数变量（fun），函数变量可以接收多个向量作为参数。mapply函数的作用是把函数变量应用于参数的各个元素。

> va=c(1:5)> vb=c(6:10)> mapply(sum,va,vb)[1]  7  9 11 13 15

4，分组聚合

apply函数家族，最重要的函数是tapply，在研究数据时，有时需要对数据按照特定的字段进行分组，然后统计各个分组的数据，这就是SQL语法中的分组聚合。在R语言中，可以通过三步实现：拆分-应用-合并（Split-Apply-Combine）

对玩家的游戏成绩进行统计和分析，创建示例数据：

> players_scores=data.frame(+     player=rep(c('Tom','Dick','Jim'),times=c(2,5,3)),+     score=round(runif(10,1,100),-1)+ )

计算每个玩家的平均得分，首先对玩家分组，split函数的作用是按照特定的字段对数据框进行分组，第一个参数是数据框对象，第二个参数是分组字段，split函数返回的结果是列表对象。

例如，split(score,player)函数的作用是按照player字段把数据框中的score拆分成一组，也就是说，player 相同的score是同一个分组，填充到同一个列表项中：

> (scores_by_player=with(players_scores,split(score,player)))$Dick[1] 70 20 30 70 70$Jim[1] 80 90 50$Tom[1] 80 90

第二步是对每个分组计算平均分，利用lapply函数，把函数引用于列表的每个列表项中：

list_mean_by_player=lapply(scores_by_player,mean)

第三步是把结果合并到单个向量中，也就是把列表转换成向量，

> unlist(list_mean_by_player)    Dick      Jim      Tom 52.00000 73.33333 85.00000

在数据分析中，”拆分-应用-合并“ 显示十分繁琐，tapply函数一次完成所有的三个步骤，一气呵成：

with(players_scores,tapply(score,player,mean))

tapply函数常用的参数共有三个，第一个参数是：数据框对象或向量，第二个参数是因子列表，也就是分组字段，第三个参数是指对单个分组应用的函数变量：

tapply(X, INDEX, FUN = NULL, ...)

by函数和aggregate函数是tapply函数的包装函数，功能相同，接口稍微不同。

参考文档：

R Document

R语言apply函数族笔记