r - 如何制作数据框列表？

Question

如何制作数据框列表以及如何访问列表中的每个数据框？

例如，如何将这些数据框放入列表中？

d1 <- data.frame(y1 = c(1, 2, 3),
                 y2 = c(4, 5, 6))
d2 <- data.frame(y1 = c(3, 2, 1),
                 y2 = c(6, 5, 4))

Answer 1

其他答案向您展示了当您已经有一堆data.frames 时如何制作一个 data.frames 列表，例如，、、...。按顺序命名的数据帧是一个问题，将它们放在一个列表中是一个很好的解决方法，但最佳做法是首先避免将一堆 data.frames 放在列表中。d1d2

其他答案提供了大量关于如何将数据框分配给列表元素、访问它们等的详细信息。我们也会在这里介绍一下，但要点是不要等到你有一堆data.frames将它们添加到列表中。从列表开始。

这个答案的其余部分将涵盖一些常见的情况，您可能会想创建顺序变量，并向您展示如何直接进入列表。如果您不熟悉 R 中的列表，您可能还想阅读访问列表元素和访问列表元素有什么区别？[[[.

---

从头开始列出

永远不要创造d1 d2 d3，...，dn首先。创建一个d包含n元素的列表。

将多个文件读入数据框列表

这在读取文件时很容易完成。也许您data1.csv, data2.csv, ...在目录中有文件。您的目标是一个名为的 data.frames 列表mydata。您需要的第一件事是包含所有文件名的向量。您可以使用粘贴（例如my_files = paste0("data", 1:5, ".csv")）来构建它，但使用它list.files来获取所有适当的文件可能更容易：my_files <- list.files(pattern = "\\.csv$"). 您可以使用正则表达式来匹配文件，如果您需要帮助，请在其他问题中阅读有关正则表达式的更多信息。通过这种方式，您可以获取所有 CSV 文件，即使它们没有遵循良好的命名方案。或者，如果您需要从一堆 CSV 文件中挑选出某些 CSV 文件，您可以使用更高级的正则表达式模式。

在这一点上，大多数 R 初学者都会使用for循环，这并没有什么问题，它工作得很好。

my_data <- list()
for (i in seq_along(my_files)) {
    my_data[[i]] <- read.csv(file = my_files[i])
}

一种更类似于 R 的方法是使用lapply，这是上述方法的快捷方式

my_data <- lapply(my_files, read.csv)

当然，read.csv也可以酌情替代其他数据导入功能。readr::read_csvordata.table::fread会更快，或者您可能还需要针对不同文件类型的不同功能。

无论哪种方式，命名列表元素以匹配文件都很方便

names(my_data) <- gsub("\\.csv$", "", my_files)
# or, if you prefer the consistent syntax of stringr
names(my_data) <- stringr::str_replace(my_files, pattern = ".csv", replacement = "")

将数据框拆分为数据框列表

这非常简单，基本功能split()为您完成。您可以按数据的一列（或多列）进行拆分，也可以按您想要的任何其他内容进行拆分

mt_list = split(mtcars, f = mtcars$cyl)
# This gives a list of three data frames, one for each value of cyl

这也是将数据框分解为交叉验证的好方法。也许你想mtcars分成训练、测试和验证部分。

groups = sample(c("train", "test", "validate"),
                size = nrow(mtcars), replace = TRUE)
mt_split = split(mtcars, f = groups)
# and mt_split has appropriate names already!

模拟数据框列表

也许您正在模拟数据，如下所示：

my_sim_data = data.frame(x = rnorm(50), y = rnorm(50))

但是谁只做一次模拟呢？你想这样做 100 次，1000 次，更多！但是您不希望工作区中有 10,000 个数据框。使用replicate并将它们放在一个列表中：

sim_list = replicate(n = 10,
                     expr = {data.frame(x = rnorm(50), y = rnorm(50))},
                     simplify = F)

特别是在这种情况下，您还应该考虑是否真的需要单独的数据框，或者带有“组”列的单个数据框也可以工作？使用data.table或者dplyr很容易“按组”对数据框进行操作。

我没有把我的数据放在一个列表中:(下次我会的，但我现在能做什么？

如果它们是奇怪的分类（这是不寻常的），您可以简单地分配它们：

mylist <- list()
mylist[[1]] <- mtcars
mylist[[2]] <- data.frame(a = rnorm(50), b = runif(50))
...

如果您有以模式命名的数据框，例如 , df1, df2，df3并且您希望它们出现在一个列表中，get那么您可以编写一个正则表达式来匹配这些名称。就像是

df_list = mget(ls(pattern = "df[0-9]"))
# this would match any object with "df" followed by a digit in its name
# you can test what objects will be got by just running the
ls(pattern = "df[0-9]")
# part and adjusting the pattern until it gets the right objects.

通常，mget用于获取多个对象并在命名列表中返回它们。它的对应项get用于获取单个对象并将其返回（不在列表中）。

将数据框列表组合成单个数据框

一个常见的任务是将一系列数据框组合成一个大数据框。如果要将它们堆叠在一起，可以使用rbind一对，但是对于数据框列表，这里有三个不错的选择：

# base option - slower but not extra dependencies
big_data = do.call(what = rbind, args = df_list)

# data table and dplyr have nice functions for this that
#  - are much faster
#  - add id columns to identify the source
#  - fill in missing values if some data frames have more columns than others
# see their help pages for details
big_data = data.table::rbindlist(df_list)
big_data = dplyr::bind_rows(df_list)

（类似地使用cbind或dplyr::bind_cols用于列。）

要合并（加入）数据框列表，您可以查看这些答案。通常，这个想法是使用Reducewith merge（或其他一些连接函数）将它们组合在一起。

为什么要将数据放在列表中？

将相似的数据放在列表中，因为您想对每个数据框做相似的事情，而像lapply, sapply do.call, package和旧函数这样的purrrplyr l*ply函数可以很容易地做到这一点。人们很容易用列表做事的例子到处都是。

即使您使用低级的 for 循环，循环列表的元素也比使用构造变量名paste和访问对象要容易得多get。也更容易调试。

想想可扩展性。如果你真的只需要三个变量，可以使用d1, d2, d3. 但是如果事实证明你真的需要 6 个，那就需要更多的输入。下一次，当你需要 10 或 20 行代码时，你会发现自己在复制和粘贴代码行，可能使用 find/replace 来更改d14为d15，而你认为​​这不是编程应有的方式。如果您使用列表，则 3 例、30 例和 300 例之间的差异最多只有一行代码——如果您的案例数量是自动检测到的，例如，您的文件中有多少.csv个文件，则根本没有变化目录。

您可以命名列表的元素，以防您想使用数字索引以外的东西来访问您的数据框（您可以同时使用两者，这不是 XOR 选择）。

总体而言，使用列表将导致您编写更清晰、更易于阅读的代码，从而减少错误和混乱。

Answer 2

这与您的问题无关，但您想使用=而不是<-在函数调用中。如果你使用<-，你最终会在你工作的任何环境中y1创建变量：y2

d1 <- data.frame(y1 <- c(1, 2, 3), y2 <- c(4, 5, 6))
y1
# [1] 1 2 3
y2
# [1] 4 5 6

这不会产生在数据框中创建列名的看似理想的效果：

d1
#   y1....c.1..2..3. y2....c.4..5..6.
# 1                1                4
# 2                2                5
# 3                3                6

=另一方面，运算符会将您的向量与 的参数相关联data.frame。

至于您的问题，制作数据框列表很容易：

d1 <- data.frame(y1 = c(1, 2, 3), y2 = c(4, 5, 6))
d2 <- data.frame(y1 = c(3, 2, 1), y2 = c(6, 5, 4))
my.list <- list(d1, d2)

您可以像访问任何其他列表元素一样访问数据框：

my.list[[1]]
#   y1 y2
# 1  1  4
# 2  2  5
# 3  3  6

Answer 3

您还可以使用 和 访问每个列表元素中的特定列和 [值[[。这里有几个例子。首先，我们只能访问列表中每个数据框的第一列lapply(ldf, "[", 1)，其中1表示列号。

ldf <- list(d1 = d1, d2 = d2)  ## create a named list of your data frames
lapply(ldf, "[", 1)
# $d1
#   y1
# 1  1
# 2  2
# 3  3
#
# $d2
#   y1
# 1  3
# 2  2
# 3  1

同样，我们可以访问第二列中的第一个值

lapply(ldf, "[", 1, 2)
# $d1
# [1] 4
# 
# $d2
# [1] 6

然后我们也可以直接访问列值，作为一个向量，[[

lapply(ldf, "[[", 1)
# $d1
# [1] 1 2 3
#
# $d2
# [1] 3 2 1

Answer 4

如果您有大量按顺序命名的数据框，您可以创建所需数据框子集的列表，如下所示：

d1 <- data.frame(y1=c(1,2,3), y2=c(4,5,6))
d2 <- data.frame(y1=c(3,2,1), y2=c(6,5,4))
d3 <- data.frame(y1=c(6,5,4), y2=c(3,2,1))
d4 <- data.frame(y1=c(9,9,9), y2=c(8,8,8))

my.list <- list(d1, d2, d3, d4)
my.list

my.list2 <- lapply(paste('d', seq(2,4,1), sep=''), get)
my.list2

其中my.list2返回包含第 2、3 和 4 个数据帧的列表。

[[1]]
  y1 y2
1  3  6
2  2  5
3  1  4

[[2]]
  y1 y2
1  6  3
2  5  2
3  4  1

[[3]]
  y1 y2
1  9  8
2  9  8
3  9  8

但是请注意，上述列表中的数据框不再命名。如果您想创建一个包含数据框子集的列表并希望保留它们的名称，您可以尝试以下操作：

list.function <-  function() { 

     d1 <- data.frame(y1=c(1,2,3), y2=c(4,5,6))
     d2 <- data.frame(y1=c(3,2,1), y2=c(6,5,4))
     d3 <- data.frame(y1=c(6,5,4), y2=c(3,2,1))
     d4 <- data.frame(y1=c(9,9,9), y2=c(8,8,8))

     sapply(paste('d', seq(2,4,1), sep=''), get, environment(), simplify = FALSE) 
} 

my.list3 <- list.function()
my.list3

返回：

> my.list3
$d2
  y1 y2
1  3  6
2  2  5
3  1  4

$d3
  y1 y2
1  6  3
2  5  2
3  4  1

$d4
  y1 y2
1  9  8
2  9  8
3  9  8

> str(my.list3)
List of 3
 $ d2:'data.frame':     3 obs. of  2 variables:
  ..$ y1: num [1:3] 3 2 1
  ..$ y2: num [1:3] 6 5 4
 $ d3:'data.frame':     3 obs. of  2 variables:
  ..$ y1: num [1:3] 6 5 4
  ..$ y2: num [1:3] 3 2 1
 $ d4:'data.frame':     3 obs. of  2 variables:
  ..$ y1: num [1:3] 9 9 9
  ..$ y2: num [1:3] 8 8 8

> my.list3[[1]]
  y1 y2
1  3  6
2  2  5
3  1  4

> my.list3$d4
  y1 y2
1  9  8
2  9  8
3  9  8

Answer 5

假设您有“大量”具有相似名称的 data.frames（此处为 d#，其中 # 是某个正整数），以下是@mark-miller 方法的轻微改进。它更简洁，并返回一个命名的 data.frames 列表，其中列表中的每个名称都是对应的原始 data.frame 的名称。

关键是mget配合使用ls。如果问题中提供的数据框 d1 和 d2 是环境中唯一名称为 d# 的对象，则

my.list <- mget(ls(pattern="^d[0-9]+"))

这将返回

my.list
$d1
  y1 y2
1  1  4
2  2  5
3  3  6

$d2
  y1 y2
1  3  6
2  2  5
3  1  4

此方法利用了 中的模式参数ls，它允许我们使用正则表达式对环境中的对象名称进行更精细的解析。正则表达式的替代方法"^d[0-9]+$"是"^d\\d+$".

正如@gregor指出的那样，总体而言，最好设置数据构造过程，以便在开始时将 data.frames 放入命名列表中。

数据

d1 <- data.frame(y1 = c(1,2,3),y2 = c(4,5,6))
d2 <- data.frame(y1 = c(3,2,1),y2 = c(6,5,4))

Answer 6

我认为自己是一个完整的新手，但我认为我对此处未说明的原始子问题之一有一个非常简单的答案：访问数据帧或其中的一部分。

让我们首先使用如上所述的数据框创建列表：

d1 <- data.frame(y1 = c(1, 2, 3), y2 = c(4, 5, 6))

d2 <- data.frame(y1 = c(3, 2, 1), y2 = c(6, 5, 4))

my.list <- list(d1, d2)

然后，如果要访问其中一个数据框中的特定值，可以按顺序使用双括号。第一组让您进入数据框，第二组让您进入特定坐标：

my.list[[1]][[3,2]]

[1] 6

Answer 7

这可能有点晚了，但回到你的例子，我想我会稍微扩展一下答案。

 D1 <- data.frame(Y1=c(1,2,3), Y2=c(4,5,6))
 D2 <- data.frame(Y1=c(3,2,1), Y2=c(6,5,4))
 D3 <- data.frame(Y1=c(6,5,4), Y2=c(3,2,1))
 D4 <- data.frame(Y1=c(9,9,9), Y2=c(8,8,8))

然后你很容易地列出你的清单：

mylist <- list(D1,D2,D3,D4)

现在您有一个列表，但不是以旧方式访问列表，例如

mylist[[1]] # to access 'd1'

您可以使用此功能来获取和分配您选择的数据框。

GETDF_FROMLIST <- function(DF_LIST, ITEM_LOC){
   DF_SELECTED <- DF_LIST[[ITEM_LOC]]
   return(DF_SELECTED)
}

现在得到你想要的。

D1 <- GETDF_FROMLIST(mylist, 1)
D2 <- GETDF_FROMLIST(mylist, 2)
D3 <- GETDF_FROMLIST(mylist, 3)
D4 <- GETDF_FROMLIST(mylist, 4)

希望额外的一点帮助。

干杯!

Answer 8

for循环模拟

如果我有一个for生成数据帧的循环，我从一个空开始，list()并在生成数据帧时附加它们。

# Empty list
dat_list <- list()

for(i in 1:5){
    # Generate dataframe
    dat <- data.frame(x=rnorm(10), y=rnorm(10))
    # Add to list
    dat_list <- append(dat_list, list(dat))
}

请注意，它list(dat)在我们的append()调用中。

访问数据

然后从我们使用的列表中获取第nth 个数据帧dat_list[[n]]。您可以以正常方式访问此数据框中的数据，例如dat_list[[2]]$x.

或者，如果您想要所有数据帧中的相同部分sapply(dat_list, "[", "x")。

请参阅@Gregor Thomas的答案，了解如何在没有for循环的情况下执行此操作。

Answer 9

非常简单 ！这是我的建议：

如果要在工作区中选择数据框，请尝试以下操作：

Filter(function(x) is.data.frame(get(x)) , ls())

或者

ls()[sapply(ls(), function(x) is.data.frame(get(x)))]

所有这些都会产生相同的结果。

您可以更改is.data.frame以检查其他类型的变量，例如is.function