数据准备
R函数的诸多有趣特性之一，就是它们可以应用到一系列的数据对象上，包括标量、向量、矩阵、数组和数据框。
R中提供了一个apply()函数，可将一个任意函数“应用”到矩阵、数组、数据框的任何维度上。
apply(x, MARGIN, FUN, ..., simplify = TRUE)
其中，x为数据对象，可以是数组、矩阵、数据框，数据至少是二维的，MARGIN是维度的下标，MARGIN=1表示行，MARGIN=2表示列。FUN是自定义调用的函数，可为任意R函数，而...则包括了任何想传递给FUN的参数。
apply函数只能用于处理矩阵类型的数据，也就是说所有的数据必须是同一类型。因此要使用apply函数的话，需要将数据类型转换成矩阵类型。
lapply(x, FUN)
lapply函数将函数应用于输入变量x的每一个元素，返回一个与x长度相同的列表。x可以是列表，向量或数据框。
sapply(x, FUN)
x可以是列表，矩阵或数据框，以向量或矩阵形式输出结果。执行的功能与lapply函数相同。
tapply(X, INDEX, FUN = NULL)
tapply用于数据框类型的数据，可以按因子变量分组计算统计量。X可以是数组、矩阵、数据框等分割型数据向量，INDEX是一个或多个因子的列表，每个因子的长度都与x相同，FUN为自定义的调用函数。 53
参考资料：
-Usage
aggregate(x, by, FUN, ..., simplify = TRUE, drop = TRUE)
与tapply类似，但是x可以为data.frame或矩阵；
-Arguments
by
a list of grouping elements, each as long as the variables in the data frame x. The
elements are coerced to factors before use.
-Example
-Usage
by(data, INDICES, FUN, ..., simplify = TRUE)
-Example
将warpbreaks的一二列，根据tension这一列的（L、M、H）运行summary
aggregate与by的区别 ：aggregate是对x的每一列分别根据因子进行分组计算，而by是根据因子将data整个分成几个小的data.frame，然后进行运算；
