如何使用 lapply 而不是 for 循环，对 R 中的数据帧列表执行计算答案

【问题标题】：how to use lapply instead of a for loop, to perform a calculation on a list of dataframes in R如何使用 lapply 而不是 for 循环，对 R 中的数据帧列表执行计算
【发布时间】：2018-02-17 18:59:27
【问题描述】：

我有一个包含 30 个数据框的列表。

我想创建一个向量，其中包含数据框列表中所有 30 个数据框的其中一列的第 n 个元素的标准差。我认为我没有解释清楚。但是我的 for 循环的代码应该很清楚。

FFT233_sd <- list()
for (i in 1:431999) {FFT233_sd[[i]] <- sd(c(FFT233_data[[1]][i,6], FFT233_data[[2]][i,6], FFT233_data[[3]][i,6], FFT233_data[[4]][i,6], FFT233_data[[5]][i,6], FFT233_data[[6]][i,6], FFT233_data[[7]][i,6], FFT233_data[[8]][i,6], FFT233_data[[9]][i,6], FFT233_data[[10]][i,6], FFT233_data[[11]][i,6], FFT233_data[[12]][i,6], FFT233_data[[13]][i,6], FFT233_data[[14]][i,6], FFT233_data[[15]][i,6], FFT233_data[[16]][i,6], FFT233_data[[17]][i,6], FFT233_data[[18]][i,6], FFT233_data[[19]][i,6], FFT233_data[[20]][i,6], FFT233_data[[21]][i,6], FFT233_data[[22]][i,6], FFT233_data[[23]][i,6], FFT233_data[[24]][i,6], FFT233_data[[25]][i,6], FFT233_data[[26]][i,6], FFT233_data[[27]][i,6], FFT233_data[[28]][i,6], FFT233_data[[29]][i,6], FFT233_data[[30]][i,6]))}

for 循环有效，但显然很慢。有人告诉我应该使用 lapply，但我不明白该怎么做。我尝试了以下方法：

results2738 <- lapply( FFT2738_data , function(x) {sd(x) } )

但它导致了以下错误：

Show Traceback

 Rerun with Debug
 Error in is.data.frame(x) : 
   (list) object cannot be coerced to type 'double' In addition: Warning message:
In mean.default(x) : argument is not numeric or logical: returning NA

如果有人可以建议我调查的资源，我会很感激。

【问题讨论】：

将你的 30 个 data.frames 堆叠成一个，遵循 Gregor 的答案stackoverflow.com/a/24376207 的“组合”部分，我想这将是一个更简单的操作。

标签： r list for-loop lapply

【解决方案1】：

类似这样的：

FFT233_sd <- sapply(1:431999, function(i) {
  values <- sapply(1:length(FFT233_data), function(j) {
    FFT233_data[[j]][i,6]
  })
  sd(values)
}

【讨论】：

【解决方案2】：

试试这个

可重现的示例，mtcars 列表（10 次重复）

library(purrr)
L <- map(1:10, ~mtcars)

解决方案

你需要purrr:map

library(purrr)
sixthcol <- Reduce("cbind", map(L, ~.x[,6]))
ans <- apply(sixthcol, 1, sd)

输出

sixthcol <- Reduce("cbind", map(L, ~.x[,6]))

 [1,] 2.620 2.620 2.620 2.620 2.620 2.620 2.620 2.620 2.620 2.620
 [2,] 2.875 2.875 2.875 2.875 2.875 2.875 2.875 2.875 2.875 2.875
 [3,] 2.320 2.320 2.320 2.320 2.320 2.320 2.320 2.320 2.320 2.320
 [4,] 3.215 3.215 3.215 3.215 3.215 3.215 3.215 3.215 3.215 3.215
 [5,] 3.440 3.440 3.440 3.440 3.440 3.440 3.440 3.440 3.440 3.440
 [6,] 3.460 3.460 3.460 3.460 3.460 3.460 3.460 3.460 3.460 3.460
 [7,] 3.570 3.570 3.570 3.570 3.570 3.570 3.570 3.570 3.570 3.570
 [8,] 3.190 3.190 3.190 3.190 3.190 3.190 3.190 3.190 3.190 3.190
 # etc

ans <- apply(sixthcol, 1, sd)

# 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

【讨论】：