一、lapply的定义
lapply是R语言中的一个常用函数，其全称为“list apply”，即对于一个列表型对象的每一元素应用一个特定的函数，返回一个由这些函数的返回值组成的列表对象。同时，lapply也支持其他的对象类型，如向量和数据框。
其基本语法如下：
lapply(X, FUN, …)
X表示列表型对象，FUN表示需要应用的函数，…代表FUN所需要的参数
二、lapply的使用
使用lapply时，需要先有一个列表型对象，下面我们通过示例代码来说明：
#创建列表型对象
my_list <- list(1:5, letters[1:10])
#定义函数
my_fun <- function(x) {
paste(x, "hello", sep = ", ")
}
#通过lapply对my_list中每个元素应用my_fun函数
lapply(my_list, my_fun)
运行结果如下：
[[1]]
[1] "1 hello, 2 hello, 3 hello, 4 hello, 5 hello"
[[2]]
[1] "a hello, b hello, c hello, d hello, e hello, f hello, g hello, h hello, i hello, j hello"
可以看到，lapply返回了一个列表对象，其中每个元素都是由my_fun函数返回的结果。这个结果和my_list对象的结构一样，是一个由两个元素组成的列表。
三、lapply的特点
1、自动化迭代
lapply是一个高度封装的函数，它对于迭代的过程进行了自动化处理，用户只需要提供一个列表对象和一个需要应用的函数，就可以轻松地将这个函数应用到列表的每个元素上。
例如下面的代码：
#创建数字型向量和字符型向量
my_num <- 1:10
my_char <- letters[1:10]
#定义平方函数和转换为大写字母的函数
my_square <- function(x) {
x^2
}
my_upper <- function(x) {
toupper(x)
}
#通过lapply对my_num和my_char中的每个元素应用函数
lapply(my_num, my_square)
lapply(my_char, my_upper)
运行结果如下：
[[1]]
[1] 1
[[2]]
[1] 4
[[3]]
[1] 9
[[4]]
[1] 16
[[5]]
[1] 25
[[6]]
[1] 36
[[7]]
[1] 49
[[8]]
[1] 64
[[9]]
[1] 81
[[10]]
[1] 100
[[1]]
[1] "A"
[[2]]
[1] "B"
[[3]]
[1] "C"
[[4]]
[1] "D"
[[5]]
[1] "E"
[[6]]
[1] "F"
[[7]]
[1] "G"
[[8]]
[1] "H"
[[9]]
[1] "I"
[[10]]
[1] "J"
可以看到，lapply自动对列表的每个元素进行了迭代，并将函数应用到每个元素上，返回了一个新的列表。此时每个元素都已经被处理完毕了。
2、结果是一个列表对象
lapply的返回结果是一个由函数处理结果组成的列表对象。这个列表对象的长度等于X的长度，每个元素是一个独立的处理结果。
例如下面的代码：
#创建一个数据框
my_df <- data.frame(name = c("Jack", "Peter", "Mary"),
age = c(26, 30, 24),
gender = c("M", "M", "F"))
#定义函数
my_fun <- function(x) {
paste("Name:", x$name, "Age:", x$age, "Gender:", x$gender, sep = " ")
}
#通过lapply对my_df每行应用my_fun函数
lapply(1:nrow(my_df), function(x) {
my_fun(my_df[x, ])
})
运行结果如下：
[[1]]
[1] "Name:Jack Age:26 Gender:M"
[[2]]
[1] "Name:Peter Age:30 Gender:M"
[[3]]
[1] "Name:Mary Age:24 Gender:F"
可以看到，lapply返回了一个列表对象，其中每个元素都是由my_fun函数在my_df数据框的每行都应用一次得到的结果。
四、lapply与其他apply函数的比较
1、apply
apply函数是R语言中非常经典的函数之一，它可以应用到任何数组型对象中，包括向量、矩阵和数据框等。而lapply只能应用到列表、向量和数据框等具有特定结构的对象中。
#创建矩阵型对象
my_mat <- matrix(1:12, nrow = 3)
#通过apply函数对矩阵中每行的元素进行求和
apply(my_mat, 1, sum)
#通过lapply函数对my_list中的每个元素应用sum函数
lapply(my_list, sum)
可以看到，通过apply函数可以对矩阵的每行应用sum函数得到其和，通过lapply函数只能对向量中的元素、列表中的元素、数据框中的列应用函数得到特定的结果。
2、sapply、vapply和mapply
sapply、vapply和mapply都是lapply的改进版本，具有更好的灵活性和更方便的使用方式。
sapply：
sapply基于lapply，并且自动处理返回结果的转换。它会根据返回结果的类型，自动把返回结果转换为简单的类型（向量、矩阵或列表），可以省去转换的步骤。
#创建列表型对象
my_list <- list(1:5, letters[1:10])
#定义函数
my_fun <- function(x) {
paste(x, "hello", sep = ", ")
}
#通过sapply对my_list中每个元素应用my_fun函数
sapply(my_list, my_fun)
可以看到，sapply可以自动将返回结果转换为简单的类型，这里转换成了一个矩阵。
[,1] [,2]
[1,] "1 hello" "a hello"
[2,] "2 hello" "b hello"
[3,] "3 hello" "c hello"
[4,] "4 hello" "d hello"
[5,] "5 hello" "e hello"
[6,] NA "f hello"
[7,] NA "g hello"
[8,] NA "h hello"
[9,] NA "i hello"
[10,] NA "j hello"
vapply：
vapply函数比sapply更为安全，因为它可以指定返回结果的类型和长度，避免返回结果出现不一致的情况。
mapply：
mapply函数适用于多列表模式下的应用，即在列表中应用多个具有相同结构的函数，或在多个列表中应用一个具有多参数的函数。
五、总结
lapply函数是R中一个非常常用且重要的函数。它为我们提供了一种高效、便捷的方式，对列表、向量和数据框等对象的每个元素应用相同的函数。在实际应用中，lapply可以帮助我们快速地进行数据处理和分析，提高工作效率。
