- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
4-3 R语言函数 mapply
#mapply(函数/函数名,数据,函数相关的函数) > list(rep(1,4),rep(2,3),rep(3,2),rep(4,1)) [[1]] [1] 1 1 1 1 [[2]] [1] 2 2 2 [[3]] [1] 3 3 [[4]] [1] 4 > mapply(rep,1:4,4:1) [[1]] [1] 1 1 1 1 [[2]] [1] 2 2 2 [[3]] [1 1.41372263 -0.06111607 -0.79670515 [[5]] [1] 0.7191012 -0.1381517 1.6261461 0.8744692 3.0874750 > mapply
86530发布于 2020-09-16 - 来自专栏机器学习与统计学
R Programming week 3-Loop functions
apply: Apply a function over the margins of an array tapply: Apply a function over subsets of a vector mapply rows of a matrix. > x <- matrix(rnorm(200), 20, 10) > apply(x, 1, quantile, probs = c(0.25, 0.75)) mapply mapply is a multivariate apply of sorts which applies a function in parallel over a set of arguments . > str(mapply) function (FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE,USE.NAMES = TRUE) FUN is a function noise(1:5, 1:5, 2) [1] -4.2128648 -0.3989266 4.2507057 1.1572738 [5] 3.7413584 Instant Vectorization > mapply
48130发布于 2019-04-10 - 来自专栏磐创AI技术团队的专栏
R语言中 "apply" 函数详解
除了sapply()、mapply()等变体之外，我们还提供了一把用于数据处理的多用途"瑞士军刀"。 现在，我们来看看apply()函数家族中的最后一个函数——mapply()函数。 mapply() mapply()代表multivariable apply，基本上是sapply()的multivariable版本。 在这种情况下，我们使用mapply()函数： mapply(function(num1, num2) max(c(num1, num2)), list1, list2) ? 我们还可以使用mapply()函数创建一个显示花瓣长度和花瓣宽度之和的新列： iris_df['Sum_Petal'] <- mapply(function(x, y) x+y, iris_df$Petal.Length
21.9K40发布于 2021-04-21 - 来自专栏R语言交流中心
R语言中的批处理函数
apply族函数分别有apply函数，tapply函数，lapply函数，mapply函数。每一个函数都有自己的特点，在处理不同类型的数据可以选用相对应的函数。 apply族函数分别有apply函数，tapply函数，lapply函数，mapply函数。每一个函数都有自己的特点，在处理不同类型的数据可以选用相对应的函数。 4.mapply函数 mapply函数主要是对多个列表或者向量参数使用函数. ? 总结以上函数应用可以减少在R语言中的For循环，从而提升R语言效率。 欢迎各位学习交流
3.2K20发布于 2019-07-31 - 来自专栏菜鸟学数据分析之R语言
【R语言】基础知识|apply函数家族中的兄弟姐妹
05 mapply() mapply(FUN,MoreArgs=NULL,SIMPLIFY=TRUE,USE.NAMES=TRUE) SIMPLIFY表示逻辑词，SIMPLIFY=TRUE时，能够把结果转变为向量 #使用mapply函数重复生成列表list(x=3:6),重复次数times=1:4,而且生成的结果是列表。 ? #使用mapply函数重复生成列表list(x=3:6),重复次数times=1:4,而且生成的结果是矩阵。 ?
1.3K41发布于 2020-08-05 - 来自专栏YoungGy
R语言_apply系列函数
vapply(x, FUN = length, FUN.VALUE = 0L) #mapply #Sums the 1st elements, the 2nd elements, etc. mapply(sum, 1:5, 1:5, 1:5) [1] 3 6 9 12 15 #To do rep(1,4), rep(2,3), etc. mapply(rep, 1:4, 4:1) #Map #A wrapper to mapply with SIMPLIFY = FALSE, so it is guaranteed to return a list.
1.2K30发布于 2019-05-26 - 来自专栏素质云笔记
R语言︱数据分组统计函数族——apply族用法与心得
., all.names = FALSE, USE.NAMES = TRUE) mapply Apply a Function to Multiple List or Vector Arguments对多个列表或者向量参数使用函数 mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE) rapply Recursively Apply a Function 函数mapply是函数sapply的变形版，mapply 将函数 FUN 依次应用每一个参数的第一个元素、第二个元素、第三个元素上。 函数mapply的使用格式如下： mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE,USE.NAMES = TRUE) 其中参数MoreArgs表示函数 > mapply(rep, times=1:4, x=4:1) [[1]] [1] 4 [[2]] [1] 3 3 [[3]] [1] 2 2 2 [[4]] [1] 1 1 1 1 #直接使用函数
4.1K30发布于 2019-05-28 - 来自专栏深蓝居
R语言中的循环函数（Grouping Function）
R语言中有几个常用的函数，可以按组对数据进行处理，apply, lapply, sapply, tapply, mapply,等。这几个函数功能有些类似，下面介绍下这几个函数的用法。 Mapply 这是对多个数据(multivariate)进行sapply处理，只是调用是参数位置有所变化，先把函数放前面： mapply(运算函数,函数的参数,第一个传入参数,第二个数据…,SIMPLIFY ： a<-1:5 b<-2:6 c<-5:1 现在我们要求a,b,c中的对应各位数进行m3函数的运算，也就是把a,b,c的第一个数做运算，然后把a,b,c的第二个数做运算，然后第三个数~~~这时候就用mapply 很方便： mapply(m3,a,b,c) [1] 10 24 36 40 30 OK，就这么简单，实现了对应的各位元素的运算。
2K20编辑于 2022-06-16 - 来自专栏R语言交流中心
R语言实现基因序列的匹配和比对
rndSeq <- function(dict, n) { paste(sample(dict, n, replace = T), collapse = "") } set.seed(0) # 用mapply 和rndSeq函数获取5条序列（字符串）： DNA.raw <- mapply(rndSeq,list(DNA_BASES), rep(20, 5)) names(DNA.raw) <- paste("
8K40发布于 2019-07-31 - 来自专栏CDA数据分析师
R语言 apply函数家族详解
0.04978707 0.25160736 1.00000000 5.05366896 20.08553692 $a 0% 25% 50% 75% 100% 1.00 3.25 5.50 7.75 10.00 mapply {base} mapply是sapply的多变量版本。 mapply(FUN， ...， MoreArgs = NULL， SIMPLIFY = TRUE， USE.NAMES = TRUE) MoreArgs FUN函数的其他参数列表 SIMPLIFY 逻辑或者字符串 ，可以减少结果成为一个向量、矩阵或者更高维阵列，详见sapply的simplify参数 USE.NAMES 逻辑值，如果第一个参数...已被命名，将使用这个字符向量作为名字 例： > mapply(rep
2K100发布于 2018-02-08 - 来自专栏生信技能树
对象何必到处乱找，自己创造即可
identifiers, for example library(KEGG.db) lst <- head(as.list(KEGGEXTID2PATHID)) gsc <- GeneSetCollection(mapply ]; head(rb.genes) lst=list(mt.genes=mt.genes, rb.genes=rb.genes ) gsc <- GeneSetCollection(mapply
1.1K20发布于 2021-02-03 - 来自专栏生物信息学
R语言中的apply函数族
mapply函数 mapply是sapply的变形函数，类似多变量的sapply，但是参数定义有些变化。第一参数为自定义的FUN函数，第二个参数’…’可以接收多个数据，作为FUN函数的参数调用。 mapply(max, x, y, z)[1] 10 9 8 7 8 9 10 又比如想生成4个符合正态分布的数据集，分别对应的均值和方差为c(1,10,100,1000)。 # m为均值，v为方差m <- v <- c(1, 10, 100, 1000) # 生成4组数据，按列分组mapply(rnorm, rep(4,4), m, v)[,1] [,2]
5.1K52发布于 2020-04-13 - 来自专栏作图丫
ggheatmap--绘制更加个性化的热图！
get_tri(diag = TRUE, upper.tri = TRUE) %>% reshape2::melt(na.rm = TRUE) %>% mutate( Var1 = mapply (function(x) x[2], str_split(Var1, "_") ), Var2 = mapply(function(x) x[2], str_split(Var2, "_") )
2.8K20编辑于 2022-03-29 - 来自专栏机器学习AI算法工程
R数据分析大数据当中的化整为零（Split-Apply-Combine）策略
而在R当中，有一系列相关的函数，apply, lapply, sapply, tapply, mapply, sweep。我们先得了解这些函数，然后再来应用它们。最简单的是apply。 除了上面介绍的，还有tapply,mapply,sweep等。它们的定义如下。如果需要了解和掌握它们，需要熟悉上面介绍的apply, lapply, sapply以及vapply。 tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, split(ozonedf, list(ozonedf$lat, ozonedf$long))R> models <- lapply(pieces, deseasf_df)R> results <- mapply
1.5K80发布于 2018-03-13 - 来自专栏生信修炼手册
使用ChIPpeakAnno进行peak注释
还可以通过motifStack这个R包绘制motif的sequence logo, 用法如下 library(motifStack) pfms <- mapply(function(.ele, id)
2.8K40发布于 2019-12-19 - 来自专栏微生态与微进化
R语言入门系列之三：R脚本
., all.names = FALSE, USE.NAMES = TRUE) mapply 对多个列表或者向量参数使用函数 mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY
4.4K20编辑于 2022-05-05 - 来自专栏四楼没电梯
唐诗词组频率，高频字居然跟宋词相似
splitwords = function(x, x.len) substring(x, 1:(x.len+1 - group), group:x.len); words = mapply(splitwords
26710编辑于 2024-10-12 - 来自专栏生信宝典
Adonis结果P值小于0.05，一定代表两组样品物种构成差异显著吗？
<- seq(10,120,by=10) # 控制离散度 disp <- c(5,50,200) # 模拟3组样品的数据；直接是转置后的物种丰度表 sites.a <- as.data.frame(mapply sites.b <- as.data.frame(mapply(rnbinom, n=num, size=disp[1:2], mu=mean)) rownames(sites.b) <- paste( sites.c <- as.data.frame(mapply(rnbinom, n=num, size=disp, mu=mean)) rownames(sites.c) <- paste('site.c
2.5K10编辑于 2022-01-18 - 来自专栏生信技能树
百万级单细胞GSVA如何提速？
(all_gene_sets$gene_symbol,all_gene_sets$gs_name) gs <- lapply(gs, unique) gsc <- GeneSetCollection(mapply
63310编辑于 2025-01-01 - 来自专栏火星娃统计
GEO数据挖掘7
duplicated, eval, evalq, Filter, Find, get, grep, ## grepl, intersect, is.unsorted, lapply, Map, mapply
1.8K30发布于 2020-09-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号