1. 用R自带的函数进行数据框计算

首先得保证数据是数据框格式，不是的话用as.data.frame函数转换格式。WorldPhones初始是矩阵类型数据文件。

图1 1951-1961年全球七大洲电话使用次数

1.1 求和

1.1.1 行（row）求和

worldphones<-as.data.frame(WorldPhones)#格式转换      
rs<-rowSums(worldphones)

图2 输出结果

若想将行所求的和添加到数据框中，则可以使用cbind函数

Total<-rs
total<-cbind(worldphones,Total)#在原始数据集上添加Total列

图3 添加后的结果

1.1.2 列（col）求和

同上，不再赘述

1.2 求均值

1.2.1 列（col）求均值

worldphones<-as.data.frame(WorldPhones)#格式转换      
cm<-colMeans(worldphones)
Mean<-cm
rbind(total,Mean)

图4 结果出现错误

2. 用apply函数进行矩阵计算

图5 apply各种函数

apply函数适用于矩阵或者列表，主要参数有三，第一个是数据库名称，第二个MARGIN是指明行还是列，1则指行，2则指列。第三个FUN参数是指明处理数据的函数，有sum,mean,var,log等。函数运用后，结果返回的数据类型仍然是矩阵。

apply(WorldPhones,MARGIN=1,FUN=sum)#求行之和
apply(WorldPhones,MARGIN=2,FUN=mean)#求列均值
apply(WorldPhones,MARGIN=2,FUN=var)#求列方差
apply(WorldPhones,MARGIN=2,FUN=log)求列对数

图6 用apply函数计算

3. 用lapply函数进行列表计算

面对一些列表数据时，则无法使用apply函数，不过也都有对应的函数，例如列表数据集state.center可以用lapply函数。函数运用后，结果返回的数据类型仍然是列表。

lapply(state.center,FUN=length)#返回结果是列表

4. 用sapply函数进行向量计算

sapply(state.center,FUN=length)#返回结果是向量

4. 用tapply函数进行因子计算

图7 tapply函数用法

用state.name和state.division数据库来统计美国每个大区中包含多少个州，这时候就可以把state.division看作因子，用tapply函数计算

state.name#美国五十个州的名字
state.division#美国五十个州所处的地区
tapply(state.name,state.division,FUN=length)#将division作为因子，计算元素处于不同地区（因子）的个数

图8 tapply计算结果