我正在使用 R tidyverse 包来提取大型数据集的几个子集，每个子集都匹配特定的字段名称。然而，由于要提取的子集数量很大，并且用特定的表达式逐个提取是耗时的，并且想知道是否有更快的方法来做到这一点。
这是一个最小的例子： 数据框看起来像这样，被称为“dummy”：
A <- c(605, 605, 608, 608)
B <- c(5, 6, 3, 4)
C <- c(500, 600, 300, 400)
dummy <-as.data.frame(A, B, C)
目前我所做的是：
subject1 <- filter(dummy, A == "605")
subject2 <- filter(dummy, A == "608")
由于我的原始数据集中有 100 个受试者，这个过程很耗时，想知道是否有更快的方法来做到这一点。 我注意到 A 列中的数字是按顺序排列的，但不是连续的，如示例所示。
感谢您的帮助
【问题讨论】：
我们可以将split （应该比== 更快）转换为list 的data.frames
lst1 <- split(dummy, dummy$A)
注意：不建议在全局环境中创建多个对象
一旦我们有了list，就可以更容易地处理/应用每个list 元素和lapply/sapply 等中的函数。
lapply(lst1, function(x) colMeans(x[-1]))
注意：如果是分组操作，我们不需要split它
aggregate(.~ A, dummy, FUN = mean)
dummy <- data.frame(A, B, C)
【讨论】：
by（可以代替split + lapply）！
by。对我来说（我不认为自己很棒或任何东西），by 会返回一些新格式的输出（尽管可以更改）。另外，由于某些奇怪的原因，我不记得by 尝试解决问题时
您可以使用循环来执行此操作。但是，正如@akrun 所提到的，您最终可能会在全局环境中得到很多对象。例如，如果您有 200 个主题，那么您将有 200 个对象（非常混乱），也许您可以考虑下一步将是什么，看看您是否可以在不创建大量对象的情况下实现您想要做的事情
subjects <- c(605, 608)
for (i in 1:length(subjects)) {
object_name <- paste0("subject", i)
assign(object_name, filter(dummy, A == subjects[i]))
}
【讨论】：