如何对xts对象逐行使用vapply计算均值？哪种apply函数最优？

我有如下xts对象：

x <- structure(c(30440.5, 30441, 30441.5, 30441.5, 30441, 30439.5, 30440.5, 30441, 30441.5, NA, NA, 30439.5, NA, NA, NA, 30441.5, 30441, NA), .indexTZ = "", class = c("xts", "zoo"), .indexCLASS = c("POSIXct", "POSIXt"), tclass = c("POSIXct", "POSIXt"), tzone = "", index = structure(c(1519866931.1185, 1519866931.1255, 1519866931.1255, 1519866931.1905, 1519866931.1905, 1519866931.1915), tzone = "", tclass = c("POSIXct", "POSIXt")), .indexFormat = "%Y-%m-%d %H:%M:%OS", .Dim = c(6L, 3L), .Dimnames = list(NULL, c("x", "y", "z")))

打印后样式如下：

# x y z
# 2018-03-01 09:15:31.118 30440.5 30440.5 NA
# 2018-03-01 09:15:31.125 30441.0 30441.0 NA
# 2018-03-01 09:15:31.125 30441.5 30441.5 NA
# 2018-03-01 09:15:31.190 30441.5 NA 30441.5
# 2018-03-01 09:15:31.190 30441.0 NA 30441.0
# 2018-03-01 09:15:31.191 30439.5 30439.5 NA

我想编写vapply代码，用mean(..., na.rm = TRUE)计算每行均值，得到如下单列结果：

w
2018-03-01 09:15:31.118 30440.5
2018-03-01 09:15:31.125 30441.0
2018-03-01 09:15:31.125 30441.5
2018-03-01 09:15:31.190 30441.5
2018-03-01 09:15:31.190 30441.0
2018-03-01 09:15:31.191 30439.5

我尝试多次仍无法实现。此外，很多回答建议我不要使用vapply，改用其他函数，但有资料显示vapply是最快的，请问此处哪种apply函数最优？

一、用vapply实现每行均值计算 #

要实现这个需求，核心是抓住xts对象本质是带时间索引的矩阵这一点，我们可以逐行遍历计算均值，最后把结果包装回xts对象保留索引：

# 用vapply遍历每行，计算均值并指定返回类型为数值型
row_means <- vapply(seq_len(nrow(x)), function(i) {
  mean(x[i, ], na.rm = TRUE)
}, FUN.VALUE = numeric(1))

# 将计算结果转换为xts对象，保留原时间索引
w <- xts(row_means, index(x))
colnames(w) <- "w"

这段代码的关键点：

• seq_len(nrow(x))生成每行的位置索引，供vapply逐个处理
• FUN.VALUE = numeric(1)明确指定返回值类型，这也是vapply比sapply更高效的核心原因
• 最后用原x的时间索引重新构建xts对象，确保时间信息不丢失

二、关于最优apply函数的讨论 #

你说的没错，vapply因为提前指定了返回类型，避免了sapply的动态类型检查，性能确实会更优，但针对这个场景，还有更合适的选择：

1. rowMeans函数（绝对最优选择）
   这是R专门为矩阵/数据框设计的行均值计算函数，底层用C实现，速度远快于任何apply系列函数。针对你的xts对象，一行代码就能搞定：

   w <- xts(rowMeans(x, na.rm = TRUE), index(x))
   colnames(w) <- "w"
   

   代码简洁，性能拉满，完全没必要用apply系列函数绕弯。

2. apply函数
   如果一定要用apply系列，apply(x, 1, mean, na.rm = TRUE)也能实现，但它返回的是普通向量，需要再转成xts，而且性能不如vapply和rowMeans。

3. vapply vs sapply
   正如你了解的，vapply确实比sapply快，但在这个场景下，rowMeans的性能还是碾压vapply——毕竟是专门做行均值优化的底层函数。

总结：如果追求极致性能和简洁代码，rowMeans是毫无争议的最优选择；如果一定要用apply系列，vapply确实是其中最快的，但没必要舍近求远用它替代专用函数。

内容的提问来源于stack exchange，提问作者mynameisJEFF