《R语言实战》自学笔记28-将函数应用于矩阵和数据框

Posted 2023-04-26

参考技术A

数据准备

R函数的诸多有趣特性之一，就是它们可以应用到一系列的数据对象上，包括标量、向量、矩阵、数组和数据框。

R中提供了一个apply()函数，可将一个任意函数“应用”到矩阵、数组、数据框的任何维度上。
apply(x, MARGIN, FUN, ..., simplify = TRUE)
其中，x为数据对象，可以是数组、矩阵、数据框，数据至少是二维的，MARGIN是维度的下标，MARGIN=1表示行，MARGIN=2表示列。FUN是自定义调用的函数，可为任意R函数，而...则包括了任何想传递给FUN的参数。
apply函数只能用于处理矩阵类型的数据，也就是说所有的数据必须是同一类型。因此要使用apply函数的话，需要将数据类型转换成矩阵类型。

lapply(x, FUN)
lapply函数将函数应用于输入变量x的每一个元素，返回一个与x长度相同的列表。x可以是列表，向量或数据框。

sapply(x, FUN)
x可以是列表，矩阵或数据框，以向量或矩阵形式输出结果。执行的功能与lapply函数相同。

tapply(X, INDEX, FUN = NULL)
tapply用于数据框类型的数据，可以按因子变量分组计算统计量。 X可以是数组、矩阵、数据框等分割型数据向量，INDEX是一个或多个因子的列表，每个因子的长度都与x相同，FUN为自定义的调用函数。 53

参考资料：

《R语言实战》自学笔记62-多元方差分析

参考技术A

数据准备

多元方差分析（ multivariate analysis of variance ，MANOVA），亦称为多变量方差分析，即表示多元数据的方差分析，是一元方差分析的推广。作为一个多变量过程，多元方差分析在有两个或多个因变量时使用，并且通常后面是分别涉及各个因变量的显着性检验。
当因变量（结果变量）不止一个时，可用多元方差分析（MANOVA）对它们同时进行分析。

结果解读：可以看出v1，v2和v3在nitrogen之间存在很大的不同（P值均小于0.05）。

单因素多元方差分析有两个前提假设，一个是多元正态性，一个是方差—协方差矩阵同质性。
第一个假设即指因变量组合成的向量服从一个多元正态分布。可以用Q-Q图来检验该假设条
件。

方差—协方差矩阵同质性即指各组的协方差矩阵相同，通常可用Box’s M检验来评估该假设。

最后，还可以使用mvoutlier包中的ap.plot()函数来检验多元离群点。

如果多元正态性或者方差—协方差均值假设都不满足，又或者你担心多元离群点，那么可以
考虑用稳健或非参数版本的 MANOVA检验。稳健单因素 MANOVA可通过 rrcov包中的
Wilks.test()函数实现。vegan包中的adonis()函数则提供了非参数MANOVA的等同形式。

稳健检验对离群点和违反MANOVA假设的情况不敏感，结果说明在nitrogen的两个水平下，v1、v2、v3的值均存在显著不同。

参考资料：