遍历列表时获取列表的元素编号答案

【问题标题】：Get element number of list while iterating through it遍历列表时获取列表的元素编号
【发布时间】：2018-03-06 08:32:24
【问题描述】：

我有以下结构的列表，

myList <- replicate(5, data.frame(id = 1:10, mean = runif(10)), simplify =F)

我想通过合并来减少它

myList %>% reduce(function(x, y) merge(x, y, by = 'id'))

然而，这会导致以下列名：

    id     mean.x    mean.y    mean.x    mean.y       mean

虽然我想要类似的东西

 id     mean1    mean2    mean3    mean4       mean5

其中的数字按myList 的顺序排列。

显然我可以遍历1:length(myList)，但我发现这个解决方案并不优雅。其他选择是在缩减函数中引入检查，但这会导致对列表中的每个元素进行新的线性时间搜索，所以我认为它不是很有效。

还有其他方法可以实现吗？

【问题讨论】：

什么是a，什么是reduce？
可能a实际上是id？和%>% %>% 将是%>% ?

标签： r list tidyverse purrr

【解决方案1】：

新答案：

使用data.table-package 中的rbindlist 和dcast：

library(data.table)
mydata <- rbindlist(myList, idcol = 'df')
dcast(mydata, id ~ paste0('mean',df), value.var = 'mean')

或者使用 tidyverse 包：

library(dplyr)
library(tidyr)
myList %>% 
  bind_rows(., .id = 'df') %>% 
  spread(df, mean) %>% 
  rename_at(-1, funs(paste0('mean',.)))

两者都给出（显示data.table-output）：

    id     mean1       mean2     mean3      mean4      mean5
 1:  1 0.6937674 0.005642891 0.4155868 0.74184186 0.54513885
 2:  2 0.3602352 0.569412043 0.8018570 0.29177043 0.34521060
 3:  3 0.6353133 0.512876032 0.8711914 0.44660086 0.16338451
 4:  4 0.2106574 0.555638598 0.8240744 0.37495213 0.57443740
 5:  5 0.9530160 0.059930577 0.0930678 0.39862717 0.91568414
 6:  6 0.3723244 0.598526326 0.4970844 0.01978011 0.07832631
 7:  7 0.2923137 0.712971846 0.3805590 0.25676592 0.11682605
 8:  8 0.6208868 0.426853621 0.5533876 0.64054247 0.78949419
 9:  9 0.9032609 0.274705843 0.3525957 0.46994429 0.32883110
10: 10 0.9707088 0.351394642 0.1089803 0.97969335 0.77791085

当myList 中的一个或多个数据帧中有duplicates in id 时，您必须将dcast-step 调整为dcast(mydata, id + rowid(id,df) ~ paste0('mean',df), value.var = 'mean') 以获得正确的结果。检查以下示例以查看结果：

myList <- replicate(5, data.frame(id = sample(1:10, 10, TRUE), mean = runif(10)), simplify = FALSE)
mydata <- rbindlist(myList, idcol = 'df')
dcast(mydata, id + rowid(id,df) ~ paste0('mean',df), value.var = 'mean')

这也适用于id 中没有重复项。

tidyverse-code 然后必须适应：

myList %>% 
  bind_rows(., .id = 'df') %>% 
  group_by(df, id) %>% 
  mutate(ri = row_number()) %>% 
  ungroup() %>% 
  spread(df, mean) %>% 
  rename_at(3:7, funs(paste0('mean',.)))

旧答案（仍然有效）：

一个可能的解决方案：

# option 1
myList <- mapply(function(x,y) {names(x)[2] = paste0('mean',y); x}, myList, 1:length(myList), SIMPLIFY = FALSE)
Reduce(function(x, y) merge(x, y, by = 'id'), myList)

# option 2 (quite similar to @zx8754's solution)
mydata <- Reduce(function(x, y) merge(x, y, by = 'id'), myList)
setNames(mydata, c('id', paste0('mean', seq_along(myList))))

给出：

   id     mean1     mean2      mean3      mean4      mean5
1   1 0.1119114 0.4193226 0.86619590 0.52543072 0.52879193
2   2 0.4630863 0.8786721 0.02012432 0.77274088 0.09227344
3   3 0.9832522 0.4687838 0.49074271 0.01611625 0.69919423
4   4 0.7017467 0.7845002 0.44692958 0.64485570 0.40808345
5   5 0.6204856 0.1687563 0.54407165 0.54236973 0.09947167
6   6 0.1480965 0.7654041 0.43591864 0.22468554 0.84557988
7   7 0.0179509 0.3610114 0.45420122 0.20612154 0.76899342
8   8 0.9862083 0.5579173 0.13540519 0.97311401 0.13947602
9   9 0.3140737 0.2213044 0.05187671 0.07870425 0.23880332
10 10 0.4515313 0.2367271 0.65728768 0.22149073 0.90578043

【讨论】：

我真的不想迭代 1:length(myList)。这是一个可行的解决方案，但我并不觉得它很优雅。
@Joaquin 你为什么不觉得它很优雅？无论如何，我找到了另一个不使用1:length(myList) 的解决方案。查看更新，HTH
我不认为您的第一个解决方案有任何问题，这是我在新解决方案之前使用的解决方案。我只是想知道是否有一种方法可以在不迭代索引的情况下做到这一点。这并不是一个关于如何让事情发挥作用的问题，而是是否存在不同的方法来做到这一点。
@Jaap，dcast 答案在样本数据上没问题，但在以下情况下失败：myList <- replicate(5, data.frame(id = sample(1:10), mean = 11:20), simplify =F)
@Moody_Mudskipper 只需在dcast 中使用rowid 答案：dcast(mydata, id + rowid(id,df) ~ paste0('mean',df), value.var = 'mean')

【解决方案2】：

您也可以尝试在Reduce（或reduce）调用中修改function，以自动添加索引：

Reduce(function(x, y){

         # get indices of columns that are not the common one, in x and y
         col_noby_x <- which(colnames(x) != "id")
         col_noby_y <- which(colnames(y) != "id")

         # maximum of indices in x (at the end of the column names)
         ind_x <- max(as.numeric(sub(".+(\\d+)$", "\\1", colnames(x)[col_noby_x]))) 

         # if there is no indice yet, put 1 and 2, else modify names only in y, taking the max value of indices in x plus one.
         if(!is.na(ind_x)) colnames(y)[col_noby_y] <- paste0(colnames(y)[col_noby_y], ind_x +1) else {colnames(x)[col_noby_x] <- paste0(colnames(x)[col_noby_x], 1); colnames(y)[col_noby_y] <- paste0(colnames(y)[col_noby_y], 2)}  

         # finally merge
         merge(x, y, by="id")}, myList)      

#   id      mean1     mean2     mean3     mean4      mean5
#1   1 0.10698388 0.0277198 0.5109345 0.8885772 0.79983437
#2   2 0.29750846 0.7951743 0.9558739 0.9691619 0.31805857
#3   3 0.07115142 0.2401011 0.8106464 0.5101563 0.78697618
#4   4 0.39564336 0.7225532 0.7583893 0.4275574 0.77151883
#5   5 0.55860511 0.4111913 0.8403031 0.4284490 0.51489116
#6   6 0.92191777 0.9142926 0.4708712 0.2451099 0.84142501
#7   7 0.08218166 0.2741819 0.6772842 0.7939364 0.86930336
#8   8 0.35392512 0.2088531 0.0801731 0.2734870 0.62963218
#9   9 0.64068537 0.8427225 0.1904426 0.2389339 0.73145206
#10 10 0.31304719 0.9898133 0.8173664 0.2013031 0.04658273

【讨论】：

我知道我可以做到这一点，我在问题中提到了这个解决方案。由于可能的性能问题，我不想这样做。

【解决方案3】：

与Reduce合并，然后更新列名：

res <- Reduce(function(...) merge(..., all = TRUE, by = "id"), myList)
colnames(res)[2:ncol(res)] <- paste0("mean", 1:length(myList))

【讨论】：

是否减少和合并保证最终数据帧中 ID 之后的第一列是列表的第一个元素？

【解决方案4】：

我们可以使用set_names

library(tidyverse)
myList %>%
      reduce(merge, by = 'id') %>% 
      set_names(c("id", paste0("mean", 1:5)))
#   id      mean1       mean2      mean3      mean4     mean5
#1   1 0.07122593 0.480300675 0.34944190 0.48718226 0.9118796
#2   2 0.18375430 0.850652470 0.24780063 0.45148232 0.2587470
#3   3 0.18617054 0.526188340 0.48716956 0.53354343 0.9057241
#4   4 0.87838756 0.811985522 0.49024819 0.10412944 0.7830501
#5   5 0.29287646 0.974811919 0.31413846 0.01508965 0.4587954
#6   6 0.62304018 0.004421152 0.81053625 0.80032467 0.7630185
#7   7 0.78445890 0.006362844 0.73643248 0.15952795 0.4386658
#8   8 0.71568076 0.081139996 0.36933728 0.31771823 0.2794372
#9   9 0.25523328 0.081603285 0.00298272 0.33698950 0.2413859
#10 10 0.86274552 0.432177738 0.26064580 0.75639537 0.3125151

【讨论】：

【解决方案5】：

这里有两个一号线

使用purrr:reduce2 和dplyr::inner_join 代替merge：

library(dplyr)
library(purrr)
myList %>% reduce2(map(2:length(.),~c("",.x)), inner_join, by = 'id',copy=F)

#    id       mean     mean2     mean3      mean4      mean5
# 1   1 0.44560715 0.4575765 0.6075921 0.06504922 0.90410342
# 2   2 0.60606716 0.5004711 0.7866959 0.89632285 0.09890028
# 3   3 0.59928281 0.4894146 0.4495071 0.66090212 0.56046997
# 4   4 0.55630819 0.4166869 0.1984523 0.08040737 0.18375885
# 5   5 0.97714203 0.1223497 0.7923596 0.53054508 0.93747149
# 6   6 0.07751312 0.6217220 0.3861749 0.30062805 0.03177210
# 7   7 0.22839323 0.3994350 0.6382234 0.98578452 0.27032222
# 8   8 0.73628572 0.8804618 0.8240999 0.44205508 0.73901477
# 9   9 0.81894510 0.2186181 0.9317510 0.60035660 0.65002083
# 10 10 0.26197059 0.5569660 0.9167330 0.58912675 0.81367176

或者使用plyr::join_all和tibble::repair_names（相同的输出）：

myList %>% join_all('id','inner') %>% repair_names

【讨论】：

看到您的评论后，我测试了您的答案。它适用于 OP 发布的原始示例，但不适用于您在我的回答中提到的the case with duplicate id's。这可能解释了反对票（虽然不是我的）。
@Jaap，我看不出它是如何工作的，我得到的输出与使用 OP 的代码 myList %>% reduce(function(x, y) merge(x, y, by = 'id')) 相同（除了列名）。也许我们的理解不同，我认为您的解决方案将平均值的第一个实例放在第一行（对于给定的 id），然后在下一行放置其他实例，用 NA 填充每个缺失值。我所做的是连续的内部连接，只保留常见的id 值，
我的第二个答案使用 tibble 包作为 repair_names，而不是 tidyr，正如我之前提到的，现在已更正，并且可能确定了否决的原因:)。