R學習筆記 第四篇：函數，分支和循環
變量用於臨時存儲數據，而函數用於操作數據，實現代碼的重復使用。在R中，函數只是另一種數據類型的變量，可以被分配，操作，甚至把函數作為參數傳遞給其他函數。分支控制和循環控制，和通用編程語言的風格很相似，但是，不要因為R具有這些元素，就把R作為通用編程語言來看待，R的最小變量是向量，是一種面向數組（Array-Oriented）的語言。在編程時，盡量用array的方式思考，避免使用循環（for，while，repeat）控制，而使用apply函數家族實現計算的叠代，這是R語言的特色，把特定的函數應用於向量，列表或數組中的每個元素上。
一，R風格的函數
R通過function關鍵字定義函數，函數主要由函數名稱，參數，運行的代碼塊和返回值
1，創建函數
例如，創建一個函數，並把函數賦值給avg變量，可以認為函數的名稱是avg，其有兩個參數a和b，大括號內的代碼是函數體，實現的功能是求兩個數的平均值。在R中創建函數時，如果函數體只有一行代碼，可以省略大括號。
avg=function(a,b)
{
mead(c(a,b))
}
該函數沒有顯式調用return關鍵字，函數代碼塊種計算的最後一次自動最為返回值，在avg函數種，代碼塊調用系統函數mean，返回參數a和b的平均值，調用格式是函數名稱(形式參數)：
> avg(2,3) [1] 2.5
調用函數時，如果不命名參數，則R按照位置匹配參數，因此，2對應形式參數a，3對應形式參數b。如果要改變傳遞參數的順序，則可以傳入命名參數：
> avg(b=2,a=3) [1] 2.5
可以為函數的參數設置默認值，當調用函數時，如果沒有為參數傳遞相應的值，那麽函數將自動使用默認值作為函數代碼塊執行的當前值。
> avg=function(a=1,b=1)mean(c(a,b)) > avg() [1] 1
2，把函數作為參數傳遞給其他函數
函數本質上是一個函數類型的變量，和其他類型的變量一樣，能夠作為函數的形式參數，傳遞給其他函數，例如：
> fn_call=function(x,a,b)x(a,b) > fn_call(avg,1,2) [1] 1.5
R提供一個系統函數do.call(fun,args)，用於調用其他函數，第一個參數是函數變量，第二個參數是有參數構成的列表：
> do.call(avg,list(1,2)) [1] 1.5
3，查看函數的定義
通過函數args用於顯示函數的頭部文本，用於顯示函數的頭部定義，例如：
> args(avg) function (a = 1, b = 1) NULL
body(fun)函數用於返回函數的代碼塊，例如：
> body(avg)
mean(c(a, b))
除了這兩個函數，還有函數formals(fun)，用於查看函數的參數及其默認值，如果函數沒有定義參數的默認值，那麽只顯示參數名，formals顯示的參數名格式是$參數名。函數deparse(fun)用於查看函數調用的函數。
二，分支和循環
分支和循環是通用編程必不可少的兩大流程控制元素，分支語句根據條件，執行不同的代碼，而循環語句重復執行代碼塊，可以根據條件結束循環。
1，分支控制
經典流程控制關鍵字是if-else，特殊的關鍵字ifelse(test, yes, no)，當test條件為TRUE時，返回yes值，當test條件為FALSE時，返回no值。
> ifelse(c(1,2,3)>=2,‘Greater‘,‘Less‘) [1] "Less" "Greater" "Greater"
如果分支較多，可以使用switch函數實現分支的選擇，switch函數的第一個參數是表達式（exp），通常是一個字符串；當表達式（exp）匹配後續的參數名（即變量名）時，返回參數的值：
> color=function(t) switch(t,r=‘red‘,g=‘green‘,b=‘blue‘) > color(‘r‘) [1] "red"
如果不匹配任何參數名，switch函數不返回任何值，可以添加一個匿名的參數，當表達式（exp）匹配不上任意一個命名參數時，switch函數將返回匿名參數的值：
> color=function(t) switch(t,r=‘red‘,g=‘green‘,b=‘blue‘, ‘error‘) > color(‘d‘) [1] "error"
2，循環控制
循環控制語句是repeat、while和for，R的向量化自帶循環特性，減少了循環語句使用的場景，但是在重復執行代碼時，循環控制還是非常有用。
repeat 循環：先執行代碼，遇到break關鍵字，結束循環，也可以在break關鍵字前增減if(test)語句，當指定的條件成立（為TRUE）時，執行break關鍵字，結束循環：
repeat { code if(test) break }
while 循環：先檢測條件，如果條件為TRUE，執行code；如果條件為FALSE，結束循環：
while(test) { code }
for 循環：使用叠代器和一個向量參數，在每個循環中，叠代器變量從向量中取得一個值，直到叠代所有得向量：
for(i in c(1:5)) { code }
三，高級循環控制
高級循環控制主要是指編寫向量化的代碼，apply系列的函數使得循環更加向量化，更加高效。
1，重復調用表達式
rep函數把輸入的參數重復多次，如果參數是表達式，rep函數會把表達式的結果重復多次；而replicate函數是重復調用表達式，每次調用表達式的過程都是獨立的，這意味著，如果產生隨機數，rep函數產生的隨機數是”偽隨機的“，重復第一次產生的隨機數，而replicate產生的隨機數是真正隨機的，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，遍歷數組
R 文檔中，apply函數返作用於數組或矩陣，按照相應的維度（邊，margin）提取參數，調用函數執行計算，並返回的結果，結果的類型是向量，數組，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函數的最大特色是用於調用函數，第一個參數是數組或矩陣，第二個參數是邊，即維度的序號或維度名稱，1是指按照第一個維度（row），2是指按照第二個維度（column），3是指按照第三個維度（high），以此類推，也可以是維度的向量，例如，c(1,2)；第三個參數是函數變量，函數變量必須能夠接收相應維度的所有項：
apply(X, MARGIN, FUN, ...)
例如，對矩陣按照行（row）調用求和函數，統計每行的加和，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，遍歷列表
遍歷列表是指遍歷列表的所有列表項，最常用的apply函數是lapply，該函數名是”list apply“的縮寫，該函數的定義是：lapply(x, FUN, ...)，參數x是列表變量，參數FUN是應用在列表項上的函數，lapply函數返回的結果是一個列表，其長度和參數x（參數是一個列表）的長度相同，每一個列表項對應參數x的列表項，只不過，lapply函數把參數FUN指定的函數，作用於參數x的每個列表項，把FUN處理的結果，作為新的列表項返回。
例如，定義一個列表，該列表有兩個列表項，每個列表項中都有重復的元素值：
> 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 2View Code
方法1，通過for循環，逐個遍歷列表項，使用unique函數，去除列表項中元素的重復值：
> b_list=list() > for(i in seq_along(a_list)){ + b_list[[i]]=unique(a_list[[i]]); + }
方法2，使用lapply函數，應用unique函數，去除列表項中元素的重復值：
> lapply(a_list,unique)
3，多參數列表應用
mapply是多參數列表應用（multiple argument list apply）的簡稱，mapply函數的第一個參數是函數變量（fun），函數變量可以接收多個向量作為參數。mapply函數的作用是把函數變量應用於參數的各個元素。
> va=c(1:5) > vb=c(6:10) > mapply(sum,va,vb) [1] 7 9 11 13 15
四，分組聚合
在研究數據時，有時需要對數據按照特定的字段進行分組，然後統計各個分組的數據，這就是SQL語法中的分組聚合。在R語言中，可以通過三步實現：拆分-應用-合並（Split-Apply-Combine）
對玩家的遊戲成績進行統計和分析，創建示例數據：
> players_scores=data.frame( + player=rep(c(‘Tom‘,‘Dick‘,‘Jim‘),times=c(2,5,3)), + score=round(runif(10,1,100),-1) + )
計算每個玩家的平均得分，首先對玩家分組，split函數的作用是按照特定的字段對數據框進行分組，第一個參數是數據框對象，第二個參數是分組字段，split函數返回的結果是列表對象。
例如，split(score,player)函數的作用是按照player字段把數據框中的score拆分成一組，也就是說，player 相同的score是同一個分組，填充到同一個列表項中：
> (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
第二步是對每個分組計算平均分，利用lapply函數，把函數引用於列表的每個列表項中：
list_mean_by_player=lapply(scores_by_player,mean)
第三步是把結果合並到單個向量中，也就是把列表轉換成向量，
> unlist(list_mean_by_player) Dick Jim Tom 52.00000 73.33333 85.00000
在數據分析中，”拆分-應用-合並“ 顯示十分繁瑣，tapply函數一次完成所有的三個步驟，一氣呵成：
with(players_scores,tapply(score,player,mean))
tapply函數常用的參數共有三個，第一個參數是：數據框對象或向量，第二個參數是因子列表，也就是分組字段，第三個參數是指對單個分組應用的函數變量：
tapply(X, INDEX, FUN = NULL, ...)
by函數和aggregate函數是tapply函數的包裝函數，功能相同，接口稍微不同。
參考文檔：
R Document
R語言apply函數族筆記
R學習筆記 第四篇：函數，分支和循環