为何R中对矩阵按行和列应用mean函数得到原矩阵？

嘿，这个问题其实是对apply()函数的margin参数有点小误解，我来给你理清楚～

首先先回顾你的代码和结果：
你创建的矩阵：

m <- matrix(c(1,2,3,4), nrow = 2)
m
#      [,1] [,2]
# [1,]    1    3
# [2,]    2    4

然后执行apply(m, c(1,2), mean)，得到了和原矩阵一模一样的输出，这看起来有点反直觉对吧？

核心原因：margin=c(1,2)是对每个单个元素处理 #

咱们先明确apply()的margin参数到底干啥：

• margin=1：按行处理，把每一行作为一个完整的向量传入函数；
• margin=2：按列处理，把每一列作为一个完整的向量传入函数；
• margin=c(1,2)：并不是“同时按行和列处理整个矩阵”，而是遍历矩阵的每一个(row, column)位置，把该位置的单个元素作为输入传递给你指定的函数。

那你用的函数是mean——对单个数值求均值，结果当然就是这个数值本身啊！所以整个输出矩阵自然和原矩阵完全一致。

举个例子验证 #

咱们换个函数试试就能明白：
比如用sum代替mean：

apply(m, c(1,2), sum)

结果还是和原矩阵一样，因为单个元素的求和结果就是它自己。

再换个需要处理多个值的函数，比如range（返回最小值和最大值）：

apply(m, c(1,2), range)
#      [,1] [,2]
# [1,]    1    3
# [2,]    1    3
# [3,]    2    4
# [4,]    2    4

你看，每个元素被单独处理后，返回了包含两个相同值的向量（因为单个元素的最小和最大值都是它自己），输出的维度也变成了4行2列，这也能佐证margin=c(1,2)是逐个处理元素的逻辑。

总结 #

margin=c(1,2)的本质是遍历矩阵的每一个独立元素，将单个元素作为函数输入。当你用的函数（比如mean、sum）对单个数值的输出就是数值本身时，结果自然和原矩阵一致啦！

内容的提问来源于stack exchange，提问作者KingBoomie