R向量化操作|基础知识

R向量化操作，实现并行高性能计算。

R向量化操作，即输入向量化处理后输出向量化。

1 向量化函数

1 R内置向量化函数

代码解读：

vec1 <- 1:10
sqrt(vec1)
sin(vec1)

结果如下：

2 R自定义向量化函数

代码解读：

func1 <- function(x, y) {
  x + y
}
func1(1:4, 2:5)
func1(1:4, 1:2)

结果如下：

知识总结：
向量化操作的时候存在“重循环”现象，简而言之，小向量通过循环机制达成与大向量匹配，然后进行相应操作。

2 apply家族

2.1 apply 函数

代码解读：

mat1 <- matrix(
  data = 1:6,
  nrow = 2,
  byrow = TRUE
)
apply(mat1, 1, sum)
apply(mat1, 2, function(x) paste0(x, collapse = ":"))

结果如下：

知识总结：
apply函数可以操作向量、矩阵、数组；
apply函数操作矩阵或者数据框时，对各行进行函数操作，设置参数margin值为1；对各列进行函数操作，设置参数margin值为2。

2.2 lapply函数

代码解读：

list1 <- list(1:2, 1:4, 10)
print(list1)
lapply(list1, function(x) x**2)

结果如下：

知识总结：
lapply函数对于输入列表的每个元素进行函数化处理，输出也是列表。

2.3 sapply函数

代码解读：

list2 <- list(1, 2, 3)
sapply(list2, function(x) x**2)
lapply(list2, function(x) x**2)

结果如下：

知识总结：
sapply与lapply类似，简化了输出。

您在阅读中，关于R向量化操作有什么见解，请评论。
更多R内容，请阅读R系列文章。

想加入数据人圈子，请加微信luqin360。

文章推荐：

1 R做机器学习简易教程           

2 R语言做数据探索

3 电商评论情感分析

公众号推荐：

1 数据科学与人工智能，分享数据科学和人工智能的内容。

2 好又乐书屋，分享王阳明|曾国藩|毛泽东的思想，健康、教育的内容，传播正能量。

阅读原文，更多精彩！

分享是收获，传播是价值！