1、apply函数
对一个Matrix或者Array进行某个维度的运算。其格式是：
apply(数据,维度Index,运算函数,函数的参数)
对于Matrix来说，其维度值为2，第二个参数维度Index中，1表示按行运算，2表示按列运算。例子：
> m<-matrix(1:6,2,3)> m     [,1] [,2] [,3][1,]    1    3    5[2,]    2    4    6> apply(m,2,sum) #维度Index=2，计算每一列的sum值[1]  3  7 11 注：
如果是DataFrame，那么系统会将其转为Matrix，如果所有Column不是数字类型或者类型不一致，导致转换失败，那么apply是运算不出任何一列的结果。这时候应该使用lappy()函数
2．lappy函数
针对list，我们可以使用lapply函数。
其调用如下：lapply(数据,运算函数,函数的参数)
对于DataFrame来说，如果不同的列有不同的数据类型，不能转换成Matrix，但是却可以转换成List，然后使用lapply函数。
例子：建立一个shop_id，saled,take_out和delivery_time的Data Frame，然后只统计平均saled,平均外送费用和平均外送时间。由于shop_id列不是数值类型，所以无法算平均值，所以我们可以对非数值的数据只取count数量。这里需自定义函数。
>wm<-read.csv(“testwaimai.csv”)>attach(wm) >s<-data.frame(shop_id,saled,takeout_cost,delivery_time)>as.character(shop_id)>lapply(s,function(x){if(is.numeric(x)){mean(x)}else{length(x)}})$shop_id[1] 52 $saled[1] 656.1154 $takeout_cost[1] 3.673077 $delivery_time[1] 39.34615
3.     sapply函数
sapply函数和Lapply函数类似，也是对List进行处理，只是在返回结果上，sapply会根据结果的数据类型和结构，重新构建一个合理的数据类型返回。调用格式如下：
sapply(数据,运算函数,函数的参数,simplify = TRUE, USE.NAMES = TRUE)
> sapply(s,function(x){if(is.numeric(x)) {mean(x)} else {length(x)}})      shop_id         saled  takeout_cost delivery_time     52.000000    656.115385      3.673077     39.346154
4、tapply( )函数
tapply是对向量中的数据进行分组处理，而非对整体数据进行处理。
调用格式：
tapply(向量数据,分组标识,运算函数,函数的参数,simplify = TRUE)
例1> s<-data.frame(name=c("Devin","Edward","Lulu","Jeneen"),age=c(30,33,29,32),score=c(95,99,90,88),class=c(1,2,1,2),gender=c("M","M","F","F"))> s    name age score class gender1  Devin  30    95     1      M2 Edward  33    99     2      M3   Lulu  29    90     1      F4 Jeneen  32    88     2      F

> tapply(s$score,s$class,mean) #计算每个班平均成绩

    1    2

92.5 93.5

> tapply(s$score,s$gender,mean) #计算男女生的平均成绩

F  M

89 97

>  tapply(s$score,list(s$class,s$gender),mean) #按照class和gender来计算平均成绩

    F  M

1 90 95

2 88 99

转自：http://f.dataguru.cn/thread-575047-1-1.html