*apply family functions: ejemplos con R base

La función tapply resulta muy útil cuando se quiere aplicar una función a un vector según la categoría a la que pertenezca, esta categoría viene dada por una variable factor.
A continuación se presentan algunos ejemplos donde la función tapply resulta convenientemente útil.
Primero se crean 3 variables con datos artificiales.

set.seed(7)  # Para hacer el ejemplo reproducible
age <- sample(20:45, 20, replace = T)  # edad
sex <- sample(c("M", "F"), 20, replace = T)  # sexo
eth <- sample(c("W", "B"), 20, replace = T)  # etnia

tapply(age, sex, mean)  # edad media por sexo (sin contar etnia)

##    F    M 
## 27.8 32.7 

tapply(age, eth, mean)  # edad media por etnia (sin contar sexo)

##     B     W 
## 30.64 29.78 

tapply(age, list(sex, eth), mean)  # edad media por sexo y etnia

##      B    W
## F 28.4 27.2
## M 32.5 33.0

table(sex)  # ¿cuantas personas por sexo?

## sex
##  F  M 
## 10 10 

table(eth)  # ¿cuantas personas por etnia?

## eth
##  B  W 
## 11  9 

table(sex, eth)  # ¿cuantas personas por sexo y etnia?

##    eth
## sex B W
##   F 5 5
##   M 6 4

split(age, sex)  # clasificando las edades por sexo

## $F
##  [1] 45 23 21 26 28 24 24 22 20 45
## 
## $M
##  [1] 30 40 45 31 26 40 22 31 34 28
## 

split(age, eth)  # clasificando las edades por etnia

## $B
##  [1] 45 23 26 45 24 31 24 26 40 22 31
## 
## $W
## [1] 30 21 40 28 22 34 20 45 28
## 

split(age, list(sex, eth))  # # clasificando las edades por sexo y etnia

## $F.B
## [1] 45 23 26 24 24
## 
## $M.B
## [1] 45 31 26 40 22 31
## 
## $F.W
## [1] 21 28 22 20 45
## 
## $M.W
## [1] 30 40 34 28
## 

# Algo muy parecido a 'tapply': Mismos resultados, distinto procedimiento
sapply(split(age, sex), mean)  # edad media por sexo (sin contar etnia)

##    F    M 
## 27.8 32.7 

sapply(split(age, eth), mean)  # edad media por etnia (sin contar sexo)

##     B     W 
## 30.64 29.78 

sapply(split(age, list(sex, eth)), mean)  # edad media por sexo y etnia (formato vector)

##  F.B  M.B  F.W  M.W 
## 28.4 32.5 27.2 33.0 

# Otra forma de hacer lo anterior, se escribe más, pero es más rápido (con
# muchos datos)
unlist(lapply(split(age, sex), mean))  # (Venables and Ripley, 2000, pag.37)

##    F    M 
## 27.8 32.7 

unlist(lapply(split(age, eth), mean))

##     B     W 
## 30.64 29.78 

unlist(lapply(split(age, list(sex, eth)), mean))

##  F.B  M.B  F.W  M.W 
## 28.4 32.5 27.2 33.0 

# Ahora con tres factores: Agregamos la región
set.seed(7)
region <- sample(c("N", "S", "E", "W"), 20, replace = T)
DF <- data.frame(age, sex, eth, region)
DFfo <- DF[sapply(DF, is.factor)]  # selecccionando solo los factores
table(DFfo)  # una tabla de frecuencia multifactorial

## , , region = E
## 
##    eth
## sex B W
##   F 0 0
##   M 0 1
## 
## , , region = N
## 
##    eth
## sex B W
##   F 4 3
##   M 2 0
## 
## , , region = S
## 
##    eth
## sex B W
##   F 0 1
##   M 2 2
## 
## , , region = W
## 
##    eth
## sex B W
##   F 1 1
##   M 2 1
## 

# do.call(table, DFfo) # es lo mismo do.call('table', DFfo) # es lo mismo
# (Venables and Ripley, 2000, pag.38)

# Descriptivos anteriores
tapply(age, list(sex, eth, region), mean)  # Edad clasificando por sex, eth y region

## , , E
## 
##    B  W
## F NA NA
## M NA 34
## 
## , , N
## 
##       B  W
## F 24.25 21
## M 24.00 NA
## 
## , , S
## 
##    B  W
## F NA 28
## M 31 29
## 
## , , W
## 
##      B  W
## F 45.0 45
## M 42.5 40
## 

DF.F <- expand.grid(lapply(DFfo, levels))  # igual que expand.grid(sapply(DFfo,levels))
# dato curioso, apply(DFfo, 2, levels) no funciona como es debido, da NULL
DF.F$Freq <- as.vector(table(DFfo))
DF.F  # Resume de una mejor manera el resultado de table(DFfo)

##    sex eth region Freq
## 1    F   B      E    0
## 2    M   B      E    0
## 3    F   W      E    0
## 4    M   W      E    1
## 5    F   B      N    4
## 6    M   B      N    2
## 7    F   W      N    3
## 8    M   W      N    0
## 9    F   B      S    0
## 10   M   B      S    2
## 11   F   W      S    1
## 12   M   W      S    2
## 13   F   B      W    1
## 14   M   B      W    2
## 15   F   W      W    1
## 16   M   W      W    1

table(DFfo)  # Ya lo habiamos visto antes.

## , , region = E
## 
##    eth
## sex B W
##   F 0 0
##   M 0 1
## 
## , , region = N
## 
##    eth
## sex B W
##   F 4 3
##   M 2 0
## 
## , , region = S
## 
##    eth
## sex B W
##   F 0 1
##   M 2 2
## 
## , , region = W
## 
##    eth
## sex B W
##   F 1 1
##   M 2 1
## 

Referencia

Venables, W. N. and Ripley, B. D. (2000). S Programming. Springer. Statistics and Computing
ISBN 0-387-98966-8 (alk. paper)
-->