如何将矩阵转换为 R 中的列向量列表？答案

【问题标题】：How to convert a matrix to a list of column-vectors in R?如何将矩阵转换为 R 中的列向量列表？
【发布时间】：2011-10-12 18:50:08
【问题描述】：

假设您要将矩阵转换为列表，其中列表的每个元素都包含一列。 list() 或 as.list() 显然不起作用，直到现在我使用 tapply 的行为来进行破解：

x <- matrix(1:10,ncol=2)

tapply(x,rep(1:ncol(x),each=nrow(x)),function(i)i)

我对此并不完全满意。有人知道我忽略的更清洁的方法吗？

（为了制作一个充满行的列表，代码显然可以更改为：

tapply(x,rep(1:nrow(x),ncol(x)),function(i)i)

)

【问题讨论】：

我想知道优化的 Rccp 解决方案是否会更快。
随着多年前发布的 R 3.6，this answer（使用 asplit）应该是公认的。

标签： list r matrix

【解决方案1】：

Gavin 的回答简单而优雅。但如果有很多列，更快的解决方案是：

lapply(seq_len(ncol(x)), function(i) x[,i])

下例中速度差为 6 倍：

> x <- matrix(1:1e6, 10)
> system.time( as.list(data.frame(x)) )
   user  system elapsed 
   1.24    0.00    1.22 
> system.time( lapply(seq_len(ncol(x)), function(i) x[,i]) )
   user  system elapsed 
    0.2     0.0     0.2

【讨论】：

+1 关于各种解决方案的相对效率的好点。迄今为止最好的答案。
但我认为为了获得相同的结果，您需要执行 lapply(seq_len(nrow(x)), function(i) x[i,]) 然后速度较慢。

【解决方案2】：

为了给猫剥皮，将数组视为一个向量，就好像它没有 dim 属性一样：

 split(x, rep(1:ncol(x), each = nrow(x)))

【讨论】：

这是tapply 所做工作的核心。但它更简单:)。 split(x, col(x))（和 split(x, row(x)) 分别）可能更慢但看起来不错的解决方案。
我查过了。同样快的是split(x, c(col(x)))。但看起来更糟。
split(x, col(x)) 看起来更好 - 对向量的隐式强制很好。 . .
经过多次测试，这似乎是最快的，尤其是在有很多行或列的情况下。
请注意，如果x 有列名，那么split(x, col(x, as.factor = TRUE)) 将保留这些名称。

【解决方案3】：

data.frames 存储为列表，我相信。因此强制似乎是最好的：

as.list(as.data.frame(x))
> as.list(as.data.frame(x))
$V1
[1] 1 2 3 4 5

$V2
[1]  6  7  8  9 10

基准测试结果很有趣。 as.data.frame 比 data.frame 快，要么是因为 data.frame 必须创建一个全新的对象，要么是因为跟踪列名的成本很高（看看 c(unname()) 与 c() 的比较)? @Tommy 提供的 lapply 解决方案快了一个数量级。 as.data.frame() 结果可以通过手动强制有所改善。

manual.coerce <- function(x) {
  x <- as.data.frame(x)
  class(x) <- "list"
  x
}

library(microbenchmark)
x <- matrix(1:10,ncol=2)

microbenchmark(
  tapply(x,rep(1:ncol(x),each=nrow(x)),function(i)i) ,
  as.list(data.frame(x)),
  as.list(as.data.frame(x)),
  lapply(seq_len(ncol(x)), function(i) x[,i]),
  c(unname(as.data.frame(x))),
  c(data.frame(x)),
  manual.coerce(x),
  times=1000
  )

                                                      expr     min      lq
1                                as.list(as.data.frame(x))  176221  183064
2                                   as.list(data.frame(x))  444827  454237
3                                         c(data.frame(x))  434562  443117
4                              c(unname(as.data.frame(x)))  257487  266897
5             lapply(seq_len(ncol(x)), function(i) x[, i])   28231   35929
6                                         manual.coerce(x)  160823  167667
7 tapply(x, rep(1:ncol(x), each = nrow(x)), function(i) i) 1020536 1036790
   median      uq     max
1  186486  190763 2768193
2  460225  471346 2854592
3  449960  460226 2895653
4  271174  277162 2827218
5   36784   37640 1165105
6  171088  176221  457659
7 1052188 1080417 3939286

is.list(manual.coerce(x))
[1] TRUE

【讨论】：

被加文打败了 5 秒。该死的，“你是人类”的屏幕吗？ :-)
我猜是幸运的，我只是在@Joris 在我前面回答 Perter Flom 的 Q 之后才看到这个。另外，as.data.frame() 丢失了数据框的名称，所以data.frame()更好一点。
manual.coerce(x) 的等价物可能是 unclass(as.data.frame(x))。
谢谢马雷克。这大约快 6%，大概是因为我可以避免使用函数定义/调用。

【解决方案4】：

将数据框转换为列表似乎可行：

> as.list(data.frame(x))
$X1
[1] 1 2 3 4 5

$X2
[1]  6  7  8  9 10
> str(as.list(data.frame(x)))
List of 2
 $ X1: int [1:5] 1 2 3 4 5
 $ X2: int [1:5] 6 7 8 9 10

【讨论】：

【解决方案5】：

使用plyr对于这样的事情非常有用：

library("plyr")

alply(x,2)

$`1`
[1] 1 2 3 4 5

$`2`
[1]  6  7  8  9 10

attr(,"class")
[1] "split" "list"

【讨论】：

【解决方案6】：

使用asplit 将矩阵转换为向量列表

asplit(x, 1) # split into list of row vectors
asplit(x, 2) # split into list of column vectors

【讨论】：

【解决方案7】：

我知道这是 R 中的诅咒，我并没有太多的声誉来支持这一点，但我发现 for 循环更有效。我正在使用以下函数将矩阵 mat 转换为其列的列表：

mat2list <- function(mat)
{
    list_length <- ncol(mat)
    out_list <- vector("list", list_length)
    for(i in 1:list_length) out_list[[i]] <- mat[,i]
    out_list
}

与 mdsummer 和原始解决方案进行比较的快速基准测试：

x <- matrix(1:1e7, ncol=1e6)

system.time(mat2list(x))
   user  system elapsed 
  2.728   0.023   2.720 

system.time(split(x, rep(1:ncol(x), each = nrow(x))))
   user  system elapsed 
  4.812   0.194   4.978 

system.time(tapply(x,rep(1:ncol(x),each=nrow(x)),function(i)i))
   user  system elapsed 
 11.471   0.413  11.817

【讨论】：

当然这会删除列名，但它们在原始问题中似乎并不重要。
Tommy 的解决方案更快更紧凑：system.time( lapply(seq_len(ncol(x)), function(i) x[,i]) ) user: 1.668 system: 0.016 elapsed: 1.693
试图在不同的上下文中解决这个问题，但不起作用：stackoverflow.com/questions/63801018 .... 寻找这个：vec2 = castMatrixToSequenceOfLists(vecs);

【解决方案8】：

新函数asplit() 将在 v3.6 中加入基础 R。在那之前，本着与@mdsumner 的回答类似的精神，我们也可以这样做

split(x, slice.index(x, MARGIN))

根据asplit() 的文档。然而，如前所述，所有基于split() 的解决方案都比@Tommy 的lapply/`[` 慢得多。这也适用于新的asplit()，至少目前的形式如此。

split_1 <- function(x) asplit(x, 2L)
split_2 <- function(x) split(x, rep(seq_len(ncol(x)), each = nrow(x)))
split_3 <- function(x) split(x, col(x))
split_4 <- function(x) split(x, slice.index(x, 2L))
split_5 <- function(x) lapply(seq_len(ncol(x)), function(i) x[, i])

dat <- matrix(rnorm(n = 1e6), ncol = 100)

#> Unit: milliseconds
#>          expr       min        lq     mean   median        uq        max neval
#>  split_1(dat) 16.250842 17.271092 20.26428 18.18286 20.185513  55.851237   100
#>  split_2(dat) 52.975819 54.600901 60.94911 56.05520 60.249629 105.791117   100
#>  split_3(dat) 32.793112 33.665121 40.98491 34.97580 39.409883  74.406772   100
#>  split_4(dat) 37.998140 39.669480 46.85295 40.82559 45.342010  80.830705   100
#>  split_5(dat)  2.622944  2.841834  3.47998  2.88914  4.422262   8.286883   100

dat <- matrix(rnorm(n = 1e6), ncol = 1e5)

#> Unit: milliseconds
#>          expr       min       lq     mean   median       uq      max neval
#>  split_1(dat) 204.69803 231.3023 261.6907 246.4927 289.5218 413.5386   100
#>  split_2(dat) 229.38132 235.3153 253.3027 242.0433 259.2280 339.0016   100
#>  split_3(dat) 208.29162 216.5506 234.2354 221.7152 235.3539 342.5918   100
#>  split_4(dat) 214.43064 221.9247 240.7921 231.0895 246.2457 323.3709   100
#>  split_5(dat)  89.83764 105.8272 127.1187 114.3563 143.8771 209.0670   100

【讨论】：

【解决方案9】：

在 tidyverse 的 purrr 包中有一个函数 array_tree() 可以轻松做到这一点：

x <- matrix(1:10,ncol=2)
xlist <- purrr::array_tree(x, margin=2)
xlist

#> [[1]]
#> [1] 1 2 3 4 5
#>  
#> [[2]]
#> [1]  6  7  8  9 10

改为使用margin=1 按行列出。适用于 n 维数组。它默认保留名称：

x <- matrix(1:10,ncol=2)
colnames(x) <- letters[1:2]
xlist <- purrr::array_tree(x, margin=2)
xlist

#> $a
#> [1] 1 2 3 4 5
#>
#> $b
#> [1]  6  7  8  9 10

（这是我对类似问题here的回答的逐字逐句复制）

【讨论】：

【解决方案10】：

在Some R Help site accessible via nabble.com 下我找到：

c(unname(as.data.frame(x)))

作为一个有效的解决方案，在我的 R v2.13.0 中安装这看起来不错：

> y <- c(unname(as.data.frame(x)))
> y
[[1]]
[1] 1 2 3 4 5

[[2]]
[1]  6  7  8  9 10

不能说性能比较或它有多干净;-)

【讨论】：

有趣。我认为这也可以通过胁迫来实现。 c(as.data.frame(x)) 产生与 as.list(as.data.frame(x) 相同的行为
我认为是这样，因为样本列表/矩阵的成员是同一类型的，但我不是专家。

【解决方案11】：

您可以使用apply，然后使用c 和do.call

x <- matrix(1:10,ncol=2)
do.call(c, apply(x, 2, list))
#[[1]]
#[1] 1 2 3 4 5
#
#[[2]]
#[1]  6  7  8  9 10

看起来它会在添加到矩阵时保留列名。

colnames(x) <- c("a", "b")
do.call(c, apply(x, 2, list))
#$a
#[1] 1 2 3 4 5
#
#$b
#[1]  6  7  8  9 10

【讨论】：

或unlist(apply(x, 2, list), recursive = FALSE)
是的。您应该将其添加为@baptiste 的答案。
但这需要向下滚动到页面底部！我太懒了
我的机器上有一个“END”按钮... :-)
我认为这也可以通过创建一个空列表并填充它来完成。 y <- vector("list", ncol(x)) 和 y[1:2] <- x[,1:2] 类似的东西，虽然它的工作方式并不完全一样。

【解决方案12】：

convertRowsToList {BBmisc}

将 data.frame 或矩阵的行（列）转换为列表。

BBmisc::convertColsToList(x)

参考：http://berndbischl.github.io/BBmisc/man/convertRowsToList.html

【讨论】：

【解决方案13】：

在列数很小且恒定的微不足道的情况下，我发现最快的选择是简单地对转换进行硬编码：

mat2list  <- function (mat) lapply(1:2, function (i) mat[, i])
mat2list2 <- function (mat) list(mat[, 1], mat[, 2])


## Microbenchmark results; unit: microseconds
#          expr   min    lq    mean median    uq    max neval
##  mat2list(x) 7.464 7.932 8.77091  8.398 8.864 29.390   100
## mat2list2(x) 1.400 1.867 2.48702  2.333 2.333 27.525   100

【讨论】：

【解决方案14】：

创建以矩阵 mat 的列作为其元素的列表的最简单方法是使用 R 中的 data.frame 对象在内部表示为列的列表这一事实。因此，所需要的一切是下面一行

mat.list <- as.data.frame(mat)

【讨论】：