R 一种直观的方式来理解扫描和应用中的边距

在

sweep

和

apply

中，边距似乎意味着两种不同的东西，对此我一直感到困惑。考虑：

m <- matrix(1:6, ncol = 2)
# The "- 1" operation is applied to all cells in each row
sweep(m, MARGIN = 1, 1, "-")
# The sum operation is applied to each column
apply(m, MARGIN = 1, sum)

---

mMARGIN参数在两个函数中的含义完全相同，即行操作。过去我曾多次被混淆为
sweep
，但我认为您被混淆为
apply

我正在打印下面的矩阵，以便以后可以方便地与
apply
和
sweep
进行视觉比较：

> m
     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6

首先，当边距为1时，
sweep
函数执行行操作。我将稍微修改第三个论点，使其更加明显：

> sweep(m, MARGIN = 1, 1:3, "-")
     [,1] [,2]
[1,]    0    3
[2,]    0    3
[3,]    0    3

在上述情况下，数字1从第1行中扣除，数字2从第2行中扣除，数字3从第3行中扣除。因此，很明显，这是一个按行操作

现在让我们看看下面的
apply
函数：

> apply(m, MARGIN = 1, sum)
[1] 5 7 9

显然，矩阵有3行2列。这很容易暗示这也是一个行操作，因为我们有3个结果，即与行数相同。如果我们检查这些数字，这一点也会得到确认。第1行和第5行、第2行和第7行以及第3行和第9行之和

因此，很明显，两种情况下的MARGIN都意味着行操作。
MARGIN参数在两个函数中的含义完全相同，即行操作。过去我曾多次被混淆为
sweep
，但我认为您被混淆为
apply

我正在打印下面的矩阵，以便以后可以方便地与
apply
和
sweep
进行视觉比较：

> m
     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6

首先，当边距为1时，
sweep
函数执行行操作。我将稍微修改第三个论点，使其更加明显：

> sweep(m, MARGIN = 1, 1:3, "-")
     [,1] [,2]
[1,]    0    3
[2,]    0    3
[3,]    0    3

在上述情况下，数字1从第1行中扣除，数字2从第2行中扣除，数字3从第3行中扣除。因此，很明显，这是一个按行操作

现在让我们看看下面的
apply
函数：

> apply(m, MARGIN = 1, sum)
[1] 5 7 9

显然，矩阵有3行2列。这很容易暗示这也是一个行操作，因为我们有3个结果，即与行数相同。如果我们检查这些数字，这一点也会得到确认。第1行和第5行、第2行和第7行以及第3行和第9行之和

所以，很明显，在这两种情况下，边距都意味着行操作。
我觉得我需要增加2美分。首先是我的记忆法：

我的记忆法：
我使用带有负边距的
apply（）
（即
apply（A，边距=2，…）
变成-->
apply（A，边距=-1，…）
，这使得行为与扫描一致（就绝对值而言）&还具有使边距参数与numpy/torch/matlab轴参数一致的额外好处！！例如，
torch.mean（arr，axis=0）
=
np.mean（arr，axis=0）
=
应用（arr，MARGIN=-1，mean）
（当然，保留R的base-1索引）

这很容易记住，因为实际上不能将负边距与
扫描一起使用！因此，如果您忘记了哪个函数需要负边距，它将立即提示您一个错误

关于不一致性：

我相信你是对的，OP，R核心团队确实在这里做了不一致的功能（就像他们经常做的那样）。简单的事实是
apply（A，MARGIN=1，…，FUN=f）
意味着：复制并应用FUN到A的每一行，&
sweep（A，MARGIN=1，…，FUN=f）
意味着：复制并应用FUN到A的每一列

虽然LyzandeR的助记符可能有用，但我相信他对行的定义过于模糊，并且微妙地改变了它在两个函数中的含义。
我觉得我需要加上我的2美分。首先是我的助记符：

我的记忆法：
我使用带有负边距的
apply（）
（即
apply（A，边距=2，…）
变成-->
apply（A，边距=-1，…）
，这使得行为与扫描一致（就绝对值而言）&还具有使边距参数与numpy/torch/matlab轴参数一致的额外好处！！例如，
torch.mean（arr，axis=0）
=
np.mean（arr，axis=0）
=
应用（arr，MARGIN=-1，mean）
（当然，保留R的base-1索引）

这很容易记住，因为实际上不能将负边距与
扫描一起使用！因此，如果您忘记了哪个函数需要负边距，它将立即提示您一个错误

关于不一致性：

我相信你是对的，OP，R核心团队确实在这里做了不一致的功能（就像他们经常做的那样）。简单的事实是
apply（A，MARGIN=1，…，FUN=f）
意味着：复制并应用FUN到A的每一行，&
sweep（A，MARGIN=1，…，FUN=f）
意味着：复制并应用FUN到A的每一列

虽然LyzandeR的助记符可能有用，但我相信他对行方式的定义太模糊了，并且微妙地改变了它在两个函数中的含义。
但是你不认为行方式这个术语有点模糊吗？例如，如果我是编程新手，我可能会认为在
apply（a，1，mean）的情况下
这意味着我们正在减少行数（例如numpy轴操作符）或跨行复制操作（在本例中为R）。但如果我们具体地说：关于横穿哪个轴
sweep（）
&
apply（）
复制它们各自的操作，那么OP确实是对的，它们是不一致的。但是你不认为术语行方向有点模糊吗？例如，如果我是编程新手，我可能会认为在
应用（a，1，mean）
的情况下，这意味着我们正在减少行（例如numpy轴操作符）或者跨行复制操作（在本例中为R）。但如果我们具体地说：关于跨哪个轴
sweep（）
&
apply（）
复制它们各自的操作，那么OP确实是对的，它们是不一致的。