在函数向量上应用答案

【问题标题】：Applying over a vector of functions在函数向量上应用
【发布时间】：2014-05-06 13:56:47
【问题描述】：

给定一个函数向量（实际上是一个列表）：

 fs = c(sin, cos, tan)

和一个值向量：

 xs = c(.1, .3, .5)

对于每个向量元素是否有更好/更整洁/更快/更强的计算fs[[i]](xs[i])的方法：

 vapply(1:3, FUN.VALUE = 1 ,function(i){fs[[i]](xs[i])})
  [1] 0.09983342 0.95533649 0.54630249

或者我在某处缺少fapply 函数？这些函数将始终是单个标量值并返回单个标量值的函数。

【问题讨论】：

标签： r

【解决方案1】：

又好又简单：

mapply(function(fun, x) fun(x), fs, xs)

但我同意@flodel。我也在寻找function(fun, ...) fun(...) 的基本函数，但很惊讶似乎没有。另一方面，到目前为止，我从来不需要它。

【讨论】：

【解决方案2】：

这是一个替代方案，其与迄今为止的建议相比的主要优势在于它不需要定义匿名函数。

mapply(do.call, fs, lapply(xs, list))
# [1] 0.09983342 0.95533649 0.54630249

【讨论】：

+1 我曾想过使用do.call，但这对我来说太模糊了。如果不进行调查，我不知道这是做什么的。
是的，lapply() 很不幸。它是必需的，因为do.call() 要求它的第二个参数是一个列表。我自己的首选解决方案是写Funcall <- function(x,...) x(...); mapply(Funcall, fs, xs)。似乎是写这个的最清晰的方法，Funcall() 具有额外的优势，可以在需要时接受多个参数（如mapply(Funcall, fs, xs1, xs2, ...)）。
由于Vectorize 创建了一个基于mapply 的函数，你可以很容易地做到这一点：fapply <- Vectorize(do.call); fapply(fs, lapply(xs, list))，如果你想多次调用fapply，可以减少输入。