När sapply inte kan förenkla – vad händer då?

Det verkar som att vi hittat en gräns för sapply(). I alla tidigare exempel kunde sapply() snyggt förenkla den skrymmande utdatan från lapply(). Men precis som i livet finns det saker som inte går att förenkla. Hur reagerar sapply() då?

Vi har redan skapat en funktion, below_zero(), som tar en vektor med numeriska värden och returnerar en vektor som bara innehåller de värden som är strikt under noll.

Den här övningen är en del av kursen

R för medelnivå

Visa kurs

Övningsinstruktioner

Applicera below_zero() på temp med hjälp av sapply() och lagra resultatet i freezing_s.
Applicera below_zero() på temp med hjälp av lapply(). Spara den resulterande listan i variabeln freezing_l.
Jämför freezing_s med freezing_l med funktionen identical().

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# temp is already prepared for you in the workspace

# Definition of below_zero()
below_zero <- function(x) {
  return(x[x < 0])
}

# Apply below_zero over temp using sapply(): freezing_s


# Apply below_zero over temp using lapply(): freezing_l


# Are freezing_s and freezing_l identical?

Redigera och kör kod