R - 从 data.frames 列表中提取信息答案

【问题标题】：R - Extracting information from list of lists of data.framesR - 从 data.frames 列表中提取信息
【发布时间】：2017-06-10 21:26:53
【问题描述】：

我有两个需求，都连接到类似于下面可重现的数据集。我有一个包含 18 个实体的列表，每个实体都由 17-19 个 data.frames 的列表组成。以下是可重现的数据集（有矩阵而不是 data.frames，但我认为这不会产生影响）：

test <- list(list(matrix(10:(50-1), ncol = 10), matrix(60:(100-1), ncol = 10), matrix(110:(150-1), ncol = 10)),
             list(matrix(200:(500-1), ncol = 10), matrix(600:(1000-1), ncol = 10), matrix(1100:(1500-1), ncol = 10)))

我需要将每个数据帧/矩阵分成两部分（按给定的行数）并保存到新的列表列表中
其次，我需要从列表列表中的每个 data.frame 中提取并保存给定的列。

除了for()，我不知道如何去做，但我相信apply() 系列函数应该是可能的。

感谢您的阅读

编辑：

我的预期输出如下所示：

extractedColumns <- list(list(matrix(10:(50-1), ncol = 10)[, 2], matrix(60:(100-1), ncol = 10)[, 2], matrix(110:(150-1), ncol = 10)[, 2]),
                         list(matrix(200:(500-1), ncol = 10)[, 2], matrix(600:(1000-1), ncol = 10)[, 2], matrix(1100:(1500-1), ncol = 10)[, 2]))


numToSubset <- 3
substetFrames <- list(list(list(matrix(10:(50-1), ncol = 10)["first length - numToSubset rows", ], matrix(10:(50-1), ncol = 10)["last numToSubset rows", ]), 
                           list(matrix(60:(100-1), ncol = 10)["first length - numToSubset rows", ], matrix(60:(100-1), ncol = 10)["last numToSubset rows", ]),
                                list(matrix(110:(150-1), ncol = 10)["first length - numToSubset rows", ], matrix(110:(150-1), ncol = 10)["last numToSubset rows", ])),
                      etc...)

它看起来很乱，希望你能按照我想要的。

【问题讨论】：

lapply() 的用法看起来很简单，可能是嵌套的。你能用你想要的输出更新帖子吗？
谢谢。编辑了我的问题
所需的输出不是清晰的，也不是完全可运行的代码，而是伪代码。 extractedColumns 或 substetFrames 是哪一个？在 #2 中，您说提取给定列，但您尝试为substetFrames 提取行，即使在伪代码中使用 rows 一词？
@Parfait：感谢您的回复。实际上我认为这很清楚，请让我知道您认为不清楚的地方。我想要两个输出（2 个问题）-subsetFrames 是给定行的 2 个帧子集的列表，extractColumn 是从原始数据帧中提取的列的列表。它对应于我的两个问题（尽管顺序相反，如果这让你感到困惑）

标签： r list dataframe subset

【解决方案1】：

你可以使用两个嵌套的lapplys：

lapply(test, function(x) lapply(x, '[', c(2, 3)))

输出：

[[1]]
[[1]][[1]]
[1] 11 12

[[1]][[2]]
[1] 61 62

[[1]][[3]]
[1] 111 112


[[2]]
[[2]][[1]]
[1] 201 202

[[2]][[2]]
[1] 601 602

[[2]][[3]]
[1] 1101 1102

说明

第一个lapply 将应用于test 的两个列表。这两个列表中的每一个都包含另一个 3。第二个 lapply 将遍历这 3 个列表和子集（即第二个 lapply 中的 '[' 函数）列 c(2, 3)。

注意：在矩阵[ 的情况下，将子集元素 2 和 3，但在 data.frame 上使用时，相同的函数将对列进行子集。

子集行和列

lapply 使用匿名函数非常灵活。通过将代码更改为：

#change rows and columns into what you need
lapply(test, function(x) lapply(x, function(y) y[rows, columns]))

您可以指定所需的行或列的任意组合。

【讨论】：

我的第二个问题的完美解决方案 - 提取数据帧的给定列。也真的很欣赏解释。我还有一个问题 - 如何按行减去数据帧（例如，每个数据帧按行分成两半并保存到数据帧列表的新列表中）？如果您也可以回答，我将不胜感激并接受您的回答。
试过这个。当我在给定的数据帧上使用split() 时它可以工作，但是当与“x”一起使用时，它会引发以下错误：splitFrames <- lapply(test, function(x) split(x, c(rep(1, dim(x)[1] - 3), rep(2, 3)))) Error in rep(1, dim(x)[1] - 3) : invalid 'times' argument
我已经更新了答案。解释和我之前写的完全一样。用例如替换行1:5 和带有 c(2,3) 的列将为每个 data.frames 提取前 5 行和 2,3 列。
split 不是正确的方法。嵌套lapplys 是正确的方式。
不客气。 R 社区正在成长，人们愿意帮助他人，这总是很好:)。如果您的实际数据不是太复杂（因为 data.frames 具有相同的结构），我会避免使用 split，因为它会创建更多列表。带有嵌套lapplys 的简单子集应该可以正常工作。这需要一些练习，但你会做到的！

【解决方案2】：

要搭载@LyzanderR 的答案，请考虑应用系列中经常被忽略的兄弟rapply，它可以在向量/矩阵列表上递归运行函数，返回此类嵌套结构。通常它可以与嵌套的lapply 或其变体v/sapply 进行比较：

newtest1 <- lapply(test, function(x) lapply(x, '[', c(2, 3)))

newtest2 <- rapply(test, function(x) `[`(x, c(2, 3)), classes="matrix", how="list")

all.equal(newtest1, newtest2)
# [1] TRUE

有趣的是，令我惊讶的是，rapply 在这个用例中的运行速度比嵌套的lapply 慢！嗯嗯，回实验室我去……

library(microbenchmark)

microbenchmark(newtest1 <- lapply(test, function(x) lapply(x, '[', c(2, 3))))    
# Unit: microseconds
#     mean median     uq    max neval
# 31.92804 31.278 32.241 74.587   100

microbenchmark(newtest2 <- rapply(test, function(x) `[`(x, c(2, 3)),
                                        classes="matrix", how="list"))    
# Unit: microseconds
#    min    lq     mean median      uq    max neval
# 69.293 72.18 79.53353 73.143 74.5865 219.91   100

更有趣的是，为等效矩阵括号移除 [ 运算符，嵌套的 lapply 运行得更好，rapply 更糟！

microbenchmark(newtest3 <- lapply(test, function(x) 
                                  lapply(x, function(y) y[c(2, 3), 1])))
# Unit: microseconds
#    min     lq     mean median     uq    max neval
# 26.947 28.391 32.00987 29.354 30.798 100.09   100

all.equal(newtest1, newtest3)
# [1] TRUE

microbenchmark(newtest4 <- rapply(test, function(x) x[c(2,3), 1], 
                                  classes="matrix", how="list"))
# Unit: microseconds
#    min     lq     mean median     uq     max neval
# 74.105 76.752 80.37076 77.955 78.918 203.549   100

all.equal(newtest2, newtest4)
# [1] TRUE

【讨论】：