解釋R tapply描述

Question

我了解 tapply() 在 R 中的作用。 但是，我無法從文檔中解析它的描述：

Apply a Function Over a "Ragged" Array

Description:

     Apply a function to each cell of a ragged array, that is to each
     (non-empty) group of values given by a unique combination of the
     levels of certain factors.

Usage:

     tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)

當我想到 tapply 時，我會想到 sql 中的 group by。 您可以通過 INDEX 中的平行因子水平將 X 中的值組合在一起，並將 FUN 應用於這些組。 我已經閱讀了 tapply 的描述 100 次，但仍然無法弄清楚它所說的內容如何映射到我對 tapply 的理解。 也許有人可以幫我解析它？

Answer 1

讓我們看看R 文檔關於這個主題的內容：

向量和標記因子的組合是有時稱為參差不齊的數組的一個示例，因為子類的大小可能是不規則的。 當子類大小都相同時，索引可以隱式完成並且效率更高，正如我們在下一節中看到的那樣。

您通過INDEX提供的因子列表一起指定了X的子集的集合，這些子集可能具有不同的長度（因此，“衣衫襤褸”的描述符）。 然后將FUN應用於每個子集。

編輯：@Joris 在評論中提出了一個很好的觀點。 將tapply(X,Y,...)視為sapply(split(X,Y),...)的包裝器可能會有所幫助，因為如果 Y 是分組因子的列表，它會構建一個新的，基於其獨特級別的單個分組因子，相應地拆分 X 並將 FUN 應用於每個部分。

編輯：這是一個說明性示例：

library(lattice)
library(plyr)
set.seed(123)

#Make this example unbalanced
dat <- barley[sample(1:120,50),]

#Suppose we want the avg yield by year/site:
table(dat$year,dat$site)

#That's what they mean by 'ragged' array; there are different
# numbers of obs at each comb of levels

#In plyr we could use ddply:
ddply(dat,.(year,site),.fun=function(x){mean(x$yield)})

#Which gives the same result (listed in a diff order) as:
melt(tapply (dat$yield, list (dat$year, dat$site), mean))

Answer 2

@joran 的出色回答幫助我理解了它（所以請投票給他 - 如果它不是太長的話，我會添加它作為評論），但這可能對某些人有幫助：

在相當多的語言中，你有二維 arrays。 根據語言，這些 arrays 具有固定尺寸（即：每行具有相同的列數），或者某些語言允許每行的項目數不同。 所以而不是：

A: 1  2  3
B: 4  5  6
C: 7  8  9

你可以得到類似的東西

A: 1  3
B: 4  5  6
C: 8

這被稱為參差不齊的數組，因為它的右側看起來參差不齊。 在典型的 R 風格中，我們可以將其表示為兩個向量：

values<-c(1,3,4,5,6,8)
names<-c("A", "A", "B", "B", "B", "C")

因此，使用這兩個向量作為第一個參數確實允許我們將此tapply應用於我們參差不齊的數組的每個“行”。