簡單參數設置就能搞定的事情，是不會用到do.call的。
在運用R的過程中總會碰到這樣一類函數，它們接受的參數數量可以是任意的，該函數會處理這些參數，并返回處理結果。
最簡單的例子就是data.frame
比如：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
> x1 = 1:10> x2 = 11:20> x3 = 21:30> data.frame(x1,x2,x3) x1 x2 x31 1 11 212 2 12 223 3 13 234 4 14 245 5 15 256 6 16 267 7 17 278 8 18 289 9 19 2910 10 20 30 |
你可以在data.frame函數中加入任意多的向量參數（x1,x2,x3都是向量）。
不過現在的情況是：你明確知道你僅將這三個向量拼湊成一個數據框就行了，那么，你寫成data.frame(x1,x2,x3)是最好的方法，沒必要寫成如下的方式：
|
1
2
3
4
5
6
7
8
9
10
11
12
|
> do.call("data.frame",list(x1,x2,x3)) X1.10 X11.20 X21.301 1 11 212 2 12 223 3 13 234 4 14 245 5 15 256 6 16 267 7 17 278 8 18 289 9 19 2910 10 20 30 |
不過，假設你遇到的情況是這樣：你現在需要從磁盤上的某個文件中讀入所有行次的數據，但是隨情況變化，文件的長度會發生改變。
可是你打算編寫一個能同時應對各種長度文件的程序，程序目的是將文件中各行的內容豎過來，按列組成一個數據框。
那么請問你有哪些方法？——read.table()+t()，好吧，我承認我又輸了，看來do.call還不是最好的選項。
那么如果這個文件各行的類型不同呢？比如一行字符，一行數字，一行布爾值，如此循環延伸，你又能怎么辦？
|
1
2
3
4
5
6
7
8
9
10
11
|
f = file("abc.txt", "r")n = length(count.fields("abc.txt")) / 3l = list()for (i in 1:n) { l[[(i-1)*3 + 1]] = scan(file = f, sep = ",", nlines = 1, what = "", quiet = TRUE) l[[(i-1)*3 + 2]] = scan(file = f, sep = ",", nlines = 1, what = 0, quiet = TRUE) l[[(i-1)*3 + 3]] = scan(file = f, sep = ",", nlines = 1, what = TRUE, quiet = TRUE)}names(l) = paste("l", 1:length(l), sep = "")r = do.call("data.frame", l)print(r) |
仍然有替代方案：
（1）我就用read.table()+t()，大不了事后再按列轉換類型！
（2）仍然是上述循環，我不要每次都把值押入list中，我直接創建data.frame，之后再用cbind()逐列添加，這樣就用不著do.call了
那么現在再次提高難度：取消轉置函數t()的使用，不允許使用cbind()函數。那么你只能用do.call了。
我其實一點都不蠻橫，只要換一種情境即可——ffbase包，專門處理大數據的擴展包，其中ffdf對象與data.frame類似（不過可容納更多數據），但不容易增添新列，且無法轉置！ffdf函數是什么你不需要知道，你只要知道它也可以添加任意多的參數即可。
好吧，下面就是一個涉及ffbase包的程序片段
來感受一下do.call的用法吧：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
addStrategyData <- function(detailList, index) { a = list() x = detailList[[index]] vMode = sapply(names(x), function(y) switch(y, "s" = "integer", "t" = "double", "f" = "logical")) names(vMode) = names(x) x = as.ffdf(x, vmode = vMode) for (i in 1:ncol(x)) a[[i]] = x[[i]] for (i in (length(a) + 1:length(detailList))) a[[i]] = ff(FALSE, length = nrow(x), vmode = "logical") a[[ncol(x) + index]] = ff(TRUE, length = nrow(x), vmode = "logical") names(a) = c(names(x), paste("S", 1:length(detailList), sep = "")) return(do.call("ffdf", a))} |
某些情況下，你知道某個函數接受參數的明確個數，但是太多了，你懶，所以用do.call；但更多的情況是你迫不得已，必須用它。
補充：R中的LAPPLY和DO.CALL有什么區別？
最近我在學習R，兩個函數lapply和do.call混淆了。 看起來，它們和Lisp中的map函數類似。 但是為什么有兩個不同的名字呢？ 為什么R不使用稱為map的函數？
有一個稱為Map的function，可能與其他語言的地圖類似：
lapply
返回與X相同長度的列表，其中每個元素都是將FUN應用于X的對應元素的結果。
do.call
構造并執行一個函數調用，從一個名字或一個函數和一個參數列表傳遞給它。
Map將一個函數應用到給定vector的相應元素… Map是一個簡單的mapply包裝，它不會試圖簡化結果，類似于Common Lisp的mapcar（但是參數被回收）。 未來的版本可能允許對結果types進行一些控制。
1、Map是mapply的包裝
2、lapply是mapply
3、因此在許多情況下Map和lapply將是相似的。
例如，這里是lapply ：
|
1
|
lapply(iris, class) $Sepal.Length [1] "numeric" $Sepal.Width [1] "numeric" $Petal.Length [1] "numeric" $Petal.Width [1] "numeric" $Species [1] "factor" |
和使用Map ：
|
1
|
Map(class, iris) $Sepal.Length [1] "numeric" $Sepal.Width [1] "numeric" $Petal.Length [1] "numeric" $Petal.Width [1] "numeric" $Species [1] "factor" |
do.call采用一個函數作為input，并將其他參數潑到函數上。 例如，它被廣泛用于將列表組裝成更簡單的結構（通常使用rbind或cbind ）。
例如：
|
1
|
x <- lapply(iris, class) do.call(c, x) Sepal.Length Sepal.Width Petal.Length Petal.Width Species "numeric" "numeric" "numeric" "numeric" "factor" |
lapply在列表上應用一個函數， do.call用參數列表調用一個函數。 這對我來說看起來很不一樣
用列表舉個例子：
|
1
|
X <- list(1:3,4:6,7:9) |
用lapply你可以得到列表中每個元素的意思：
|
1
|
> lapply(X,mean) [[1]] [1] 2 [[2]] [1] 5 [[3]] [1] 8 |
do.call給出一個錯誤，正如意味著參數“trim”為1。
另一方面， rbind綁定所有參數。 所以綁定X行，你做：
|
1
|
> do.call(rbind,X) [,1] [,2] [,3] [1,] 1 2 3 [2,] 4 5 6 [3,] 7 8 9 |
如果你使用lapply ，R會將rbind應用于列表中的每一個元素，給你這個廢話：
|
1
|
> lapply(X,rbind) [[1]] [,1] [,2] [,3] [1,] 1 2 3 [[2]] [,1] [,2] [,3] [1,] 4 5 6 [[3]] [,1] [,2] [,3] [1,] 7 8 9 |
要有像Map這樣的東西，你需要?mapply ，這是完全不同的東西。 為了得到例如X中每個元素的平均值，但是使用不同的修整，可以使用：
|
1
|
> mapply(mean,X,trim=c(0,0.5,0.1)) [1] 2 5 8 |
lapply與map類似， do.call不是。 lapply將函數應用于列表的所有元素， do.call調用一個函數，其中所有的函數參數都在列表中。 所以對于一個n元素列表， lapply有n函數調用， do.call只有一個函數調用。 所以do.call與lapply完全不同。 希望這個澄清你的問題。
一個代碼示例：
|
1
|
do.call(sum, list(c(1,2,4,1,2), na.rm = TRUE)) |
和：
|
1
|
lapply(c(1,2,4,1,2), function(x) x + 1) |
用最簡單的話來說：
lapply（）為列表中的每個元素應用一個給定的函數，所以會有幾個函數調用。
do.call（）將給定的函數作為一個整體應用于列表，所以只有一個函數調用。
最好的學習方法是在R文檔中使用函數示例。
lapply()是一個類似地圖的函數。 do.call()是不同的。 它用于將parameter passing給列表forms的函數，而不是枚舉它們。 例如，
|
1
|
> do.call("+",list(4,5)) [1] 9 |
雖然有很多答案，這里是我的例子供參考。 假設我們有一個數據列表：
|
1
|
L=list(c(1,2,3), c(4,5,6)) |
函數lapply返回一個列表。
|
1
|
lapply(L, sum) |
上面的意思就像下面這樣。
|
1
|
list( sum( L[[1]]) , sum( L[[2]])) |
現在讓我們為do.call做同樣的事情
|
1
|
do.call(sum, L) |
它的意思是
|
1
|
sum( L[[1]], L[[2]]) |
在我們的例子中，它返回21.總之，lapply總是返回一個列表，而do.call的返回types實際上取決于執行的函數。
兩者的區別是：
|
1
|
lapply(1:n,function,parameters) |
=>這個發送1，參數到function=>這個發送2，參數到function等等
|
1
|
do.call |
只需發送1 … n作為一個向量和參數來運行
所以在應用你有n個函數調用，在do.call中你只有一個
我覺得在這方面一個重要的方面沒有得到certificate（或對我來說不明顯）。 也就是說，您可以使用do.call將list中的命名parameter passing給函數。
例如， runif需要參數n ， min和max 。 可以使用do.call來傳遞這些信息，如下所示。
|
1
|
para <- list(n = 10, min = -1, max = 1) do.call(runif, para) #[1] -0.4689827 -0.2557522 0.1457067 0.8164156 -0.5966361 0.7967794 #[7] 0.8893505 0.3215956 0.2582281 -0.8764275 |
以上為個人經驗，希望能給大家一個參考，也希望大家多多支持服務器之家。如有錯誤或未考慮完全的地方，望不吝賜教。
原文鏈接：https://blog.csdn.net/XIUXIU179/article/details/80752723
