R：对列表中的所有数据框进行子集化答案

【问题标题】：R:Subsetting over all data frames inside a listR：对列表中的所有数据框进行子集化
【发布时间】：2018-04-07 20:18:42
【问题描述】：

我是使用 R 和 stackoverflow 的新手。我正在尝试处理数据框列表并遇到以下问题（希望这是一个很好的复制示例）。假设我有一个包含 3 个 4 列的数据框的列表（我的真实代码包含 10 个 20 列的数据框）：

df1 <- data.frame(k=20:0, h_1=rnorm(21), h_2=rnorm(21), h_3= rnorm(21))
df2 <- data.frame(k=20:0, h_1=rnorm(21), h_2=rnorm(21), h_3= rnorm(21))
df3 <- data.frame(k=20:0, h_1=rnorm(21), h_2=rnorm(21), h_3= rnorm(21))
df_list <- list(df1=df1,df2=df2,df3=df3)

对于每个数据框，我都有不同的子集条件：

例如：

#If I would subset them in a singular way outside of the list

df1_s <- df1[which(df1$k <=12 & df1$k >0), df1$h_1] #Taking only rows of k=12 to k=1 
and only the column h_1
df2_s <- df2[which(df2$k <=4 & df2$k >0), df2$h_3]
df3_s <- df3[which(df3$k <=12 & df2$k >0), df2$h_2]

如何以最有效的方式对列表中的三个数据框进行子集化？我认为使用 lapply 并将子集的数量放入向量中会是一个不错的方法，但我不知道该怎么做或如何在列表中设置子集。

我希望你能帮助我。在发布之前，我尝试在其他帖子中找到解决方案，这些帖子正在处理列表中数据框的子集，但这不适用于我的代码。

【问题讨论】：

标签： r list dataframe

【解决方案1】：

这是mapply 方法（与其他答案相同）：

# function: w/ arguments dataframe and a vector = [column name, upper, lower]
rook <- function(df, par) {
  out <- df[par[1]][, 1]
  out[out <= par[2] & out > par[3]]
}

# list of parameters
par_list <- list(
  c('h_1', 12, 0),
  c('h_3', 4 , 0),
  c('h_2', 12, 0)
)

# call mapply
mapply(rook, df_list, par_list)

【讨论】：

【解决方案2】：

这是使用基础 R 的解决方案。正如@www 所提到的，其想法是使用应用类型函数（mapply 或 pmap 来自 purrr）将多个参数依次应用于函数。该解决方案还利用eval-parse 构造来进行灵活的子集设置。参见例如这里的讨论http://r.789695.n4.nabble.com/using-a-condition-given-as-string-in-subset-function-how-td1676426.html。

subset_fun <- function(data, criteria, columns) {
  subset(data, eval(parse(text = criteria)), columns)
}

criterion <- list("k <= 12 & k > 0", "k <= 4 & k > 0", "k <= 12 & k > 0")
cols <- list("h_1", "h_3", "h_2")

out <- mapply(subset_fun, df_list, criterion, cols)
str(out)
# List of 3
#  $ df1.h_1: num [1:12] -0.0589 1.0677 0.2122 1.4109 -0.6367 ...
#  $ df2.h_3: num [1:4] -0.826 -1.506 -1.551 0.862
#  $ df3.h_2: num [1:12] 0.8948 0.0305 0.9131 -0.0219 0.2252 ...

【讨论】：

不错！我喜欢这个答案。
正如famous R user list 所说：如果答案是 parse()，您通常应该重新考虑这个问题。 -- Thomas Lumley R-help（2005 年 2 月）

【解决方案3】：

我们可以使用purrr 包中的pmap 函数。关键是定义一个函数，根据k和列名取参数，然后用这些参数组织一个列表，然后使用pmap。

library(tidyverse)

# Define a function 
subset_fun <- function(dat, k1, k2, col){
  dat2 <- dat %>%
    filter(k <= k1, k > k2) %>%
    pull(col)
  return(dat2)
}

# Define lists for the function arguments
par <- list(dat = df_list,                   # List of data frames
            k1 = list(12, 4, 12),            # The first number 
            k2 = list(0, 0, 0),              # The second number
            col = list("h_1", "h_3", "h_2")) # The column name

# Apply the subset_fun
df_list2 <- pmap(par, subset_fun)
df_list2
# $df1
# [1] -0.6868529 -0.4456620  1.2240818  0.3598138  0.4007715  0.1106827 -0.5558411  1.7869131
# [9]  0.4978505 -1.9666172  0.7013559 -0.4727914
# 
# $df2
# [1] -0.9474746 -0.4905574 -0.2560922  1.8438620
# 
# $df3
# [1] -0.2803953  0.5629895 -0.3724388  0.9769734 -0.3745809  1.0527115 -1.0491770 -1.2601552
# [9]  3.2410399 -0.4168576  0.2982276  0.6365697

数据

set.seed(123)

df1 <- data.frame(k=20:0, h_1=rnorm(21), h_2=rnorm(21), h_3= rnorm(21))
df2 <- data.frame(k=20:0, h_1=rnorm(21), h_2=rnorm(21), h_3= rnorm(21))
df3 <- data.frame(k=20:0, h_1=rnorm(21), h_2=rnorm(21), h_3= rnorm(21))
df_list <- list(df1=df1,df2=df2,df3=df3)

【讨论】：

我无法访问所有包（和咕噜声）。有没有办法用 plyr oder base R 做到这一点？
@rook1996 然后按照其他人的建议使用mapply。

【解决方案4】：

考虑Map，mapply 的包装器以返回数据帧的列表。并且因为您对一列进行了子集化，为了避免作为向量返回，请使用 data.frame 回退并使用 setNames 重命名。

这里选择mapply 或Map，与lapply 同级，因为您希望在等长对象列表中逐个迭代。 Mapply 接受无限数量的参数，这里有四个，要求长度等于或倍数：

low_limits <- c(0, 0, 0)
high_limits <- c(12, 4, 12)
h_cols <- c("h_1", "h_2", "h_3")

subset_fct <- function(df, lo, hi, col)  
               setNames(data.frame(df[which(df$k > lo & df$k <= hi), col]), col)

new_df_list <- Map(subset_fct, df_list, low_limits, high_limits, h_cols)

# EQUIVALENT CALL
new_df_list <- mapply(subset_fct, df_list, low_limits, 
                      high_limits, h_cols, SIMPLIFY = FALSE)

输出 （在顶部使用set.seed(456) 来重现随机数）

new_df_list

# $df1
#           h_1
# 1   1.0073523
# 2   0.5732347
# 3  -0.9158105
# 4   1.3110974
# 5   0.9887263
# 6   1.6539287
# 7  -1.4408052
# 8   1.9473564
# 9   1.7369362
# 10  0.3874833
# 11  2.2800340
# 12  1.5378833

# $df2
#           h_2
# 1  0.11815133
# 2  0.86990262
# 3 -0.09193621
# 4  0.06889879

# $df3
#           h_3
# 1  -1.4122604
# 2  -0.9997605
# 3  -2.3107388
# 4   0.9386188
# 5  -1.3881885
# 6  -0.6116866
# 7   0.3184948
# 8  -0.2354058
# 9   1.0750520
# 10 -0.1007956
# 11  1.0701526
# 12  1.0358389

【讨论】：