R在split-apply-combine范例中使用split
示例
数据分析的一种流行形式是split-apply-combine，您可以将数据分为几组，对每组进行某种处理，然后合并结果。
让我们考虑一个数据分析，在该数据分析中，我们要获取内置mtcars数据集中每个汽缸数(cyl)的每加仑英里数(mpg)最佳的两辆汽车。首先，我们将mtcars数据帧除以圆柱数：
(spl <- split(mtcars, mtcars$cyl)) # $`4` # mpg cyl disp hp drat wt qsec vs am gear carb # Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 # Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 # Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 # Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 # ... # # $`6` # mpg cyl disp hp drat wt qsec vs am gear carb # Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 # Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 # Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 # Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 # ... # # $`8` # mpg cyl disp hp drat wt qsec vs am gear carb # Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 # Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 # Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 # Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 # ...
这返回了一个数据帧列表，每个气缸计数一个。正如输出所示，我们可以得到的有关数据帧spl$`4`，spl$`6`和spl$`8`（有些人可能会发现它更视觉吸引力使用spl$"4"或spl[["4"]]代替）。
现在，我们可以lapply遍历该列表，应用我们的函数从每个列表元素中提取具有最佳2mpg值的汽车：
(best2 <- lapply(spl, function(x) tail(x[order(x$mpg),], 2))) # $`4` # mpg cyl disp hp drat wt qsec vs am gear carb # Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 # Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 # # $`6` # mpg cyl disp hp drat wt qsec vs am gear carb # Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4 # Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1 # # $`8` # mpg cyl disp hp drat wt qsec vs am gear carb # Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2 # Pontiac Firebird 19.2 8 400 175 3.08 3.845 17.05 0 0 3 2
最后，我们可以使用将所有内容组合在一起rbind。我们想打电话给rbind(best2[["4"]],best2[["6"]],best2[["8"]])，但是如果我们有一个庞大的清单，这将很乏味。结果，我们使用：
do.call(rbind, best2) # mpg cyl disp hp drat wt qsec vs am gear carb #4.Fiat128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 #4.ToyotaCorolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 #6.MazdaRX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 #6.Hornet4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 # 8.Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 # 8.Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
这将返回rbind（参数1，一个函数）的结果，并带有best2（参数2，一个列表）的所有元素作为参数传递。
通过像这样的简单分析，可以在一行代码中完成整个split-apply-combine的操作，从而使其更加紧凑（可能可读性更差！）：
do.call(rbind, lapply(split(mtcars, mtcars$cyl), function(x) tail(x[order(x$mpg),], 2)))
还值得注意的是，可以使用以下功能来组合组合：lapply(split(x,f),FUN)?by
by(mtcars, mtcars$cyl, function(x) tail(x[order(x$mpg),], 2)) do.call(rbind, by(mtcars, mtcars$cyl, function(x) tail(x[order(x$mpg),], 2)))