如何避免 R 中的循环：从列表中选择项目答案

【问题标题】：How to avoid a loop in R: selecting items from a list如何避免 R 中的循环：从列表中选择项目
【发布时间】：2010-11-24 05:31:58
【问题描述】：

我可以使用循环来解决这个问题，但我正在尝试用向量来思考，所以我的代码会更加 R 风格。

我有一个名字列表。格式为名字_姓氏。我想从这个列表中取出一个只有名字的单独列表。我似乎无法弄清楚如何做到这一点。以下是一些示例数据：

t <- c("bob_smith","mary_jane","jose_chung","michael_marx","charlie_ivan")
tsplit <- strsplit(t,"_")

看起来像这样：

> tsplit
[[1]]
[1] "bob"   "smith"

[[2]]
[1] "mary" "jane"

[[3]]
[1] "jose"  "chung"

[[4]]
[1] "michael" "marx"   

[[5]]
[1] "charlie" "ivan"

我可以使用这样的循环得到我想要的：

for (i in 1:length(tsplit)){
    if (i==1) {t_out <- tsplit[[i]][1]} else{t_out <- append(t_out, tsplit[[i]][1])} 
}

这会给我这个：

t_out
[1] "bob"     "mary"    "jose"    "michael" "charlie"

那么我怎样才能在没有循环的情况下做到这一点？

【问题讨论】：

顺便说一句，如果您能详细说明这与您之前关于同一主题的问题有何不同，这可能会有所帮助：stackoverflow.com/questions/439526/thinking-in-vectors-with-r stackoverflow.com/questions/1246244/…stackoverflow.com/questions/445059/…
你的意思是我完全无法真正学习如何在 R 中应用函数？是的，同样的问题，不同的细微差别。谢谢你提醒我。

标签： list r vector strsplit

【解决方案1】：

你几乎拥有它。真的只是

的问题

使用*apply 函数之一循环您现有的列表，我经常从lapply 开始，有时切换到sapply
添加一个匿名函数，一次对列表元素之一进行操作
你已经知道它是 strsplit(string, splitterm) 并且你需要奇怪的 [[1]][1] 来选择答案的第一个词
只需将它们放在一起，从首选变量 namne 开始（因为我们远离 t 或 c 和朋友）

给了

> tlist <- c("bob_smith","mary_jane","jose_chung","michael_marx","charlie_ivan") 
> fnames <- sapply(tlist, function(x) strsplit(x, "_")[[1]][1]) 
> fnames 
  bob_smith    mary_jane   jose_chung michael_marx charlie_ivan   
      "bob"       "mary"       "jose"    "michael"    "charlie" 
>

【讨论】：

我真的很难用 R 中的 apply 函数正确地思考问题。有些日子感觉就像在马路的另一边学习开车......这真的不难，但很简单-a-bouts 会导致精神日志堵塞。
我以类似腿的方式来做。你知道strsplit。您知道您需要应用系列的一个参数的“匿名函数”。把它们粘在一起......最后，而不是挑剔，我在你接受的基本相同但不太冗长的答案之前发布了这个答案。
错字：'lego-alike'，而不是'leg-alike'
Dirk，作为 R 的新手，我注意到的一件事是很难看出两个给定的问题是相似的。我认为专业知识带来了快速选择有意义的类比的能力。我正在慢慢地到达我可以看到模式的地方。我很欣赏你上面关于弄清楚乐高积木是什么的评论。例如，我查看问题并发现我需要匿名函数的能力仍在增长。

【解决方案2】：

你可以使用unlist():

> tsplit <- unlist(strsplit(t,"_"))
> tsplit
 [1] "bob"     "smith"   "mary"    "jane"    "jose"    "chung"   "michael"
 [8] "marx"    "charlie" "ivan"   
> t_out <- tsplit[seq(1, length(tsplit), by = 2)]
> t_out
[1] "bob"     "mary"    "jose"    "michael" "charlie"

可能有更好的方法来仅提取奇数索引条目，但无论如何您都不会出现循环。

【讨论】：

不理想，因为您需要强加 'by = 2' 来选择匹配的元素。

【解决方案3】：

我怀疑这是最优雅的解决方案，但它胜过循环：

t.df <- data.frame(tsplit)
t.df[1, ]

将列表转换为数据框是我能让它们做我想做的事情的唯一方法。我期待着阅读真正了解如何处理列表的人的答案。

【讨论】：

我喜欢这个。我'得到' data.frame 结构。而且由于我的真实数据在每个“名称”中具有相同数量的项目，因此这应该不会降低内存效率。我怎么没想到呢！
请注意，这种方法需要很长时间才能处理大量数据 - 请参阅我对 William Doane 回答的评论。

【解决方案4】：

您可以使用apply（或sapply）

t <- c("bob_smith","mary_jane","jose_chung","michael_marx","charlie_ivan")
f <- function(s) strsplit(s, "_")[[1]][1]
sapply(t, f)

bob_smith    mary_jane   jose_chung michael_marx charlie_ivan 

       "bob"       "mary"       "jose"    "michael"    "charlie"

见：A brief introduction to “apply” in R

【讨论】：

【解决方案5】：

怎么样：

tlist <- c("bob_smith","mary_jane","jose_chung","michael_marx","charlie_ivan")
fnames <- gsub("(_.*)$", "", tlist)
# _.* matches the underscore followed by a string of characters
# the $ anchors the search at the end of the input string
# so, underscore followed by a string of characters followed by the end of the input string

对于 RegEx 方法？

【讨论】：

+1 表示最快。使用 rep(t, 1e4)，我的方法用了 83.23 秒（其中 81.41 用于转换为数据帧！），David 用了 4.39s，而你用了 0.81。我认为它也有最好的输出。
谢谢，Matt... 我想知道这些解决方案的效率！
这真的很丰富。我刚刚假设 strsplit 位是给定的。哇。很高兴看到另一种方法。

【解决方案6】：

还有另一种方法，基于 brentonk 的 unlist 示例...

tlist <- c("bob_smith","mary_jane","jose_chung","michael_marx","charlie_ivan")
tsplit <- unlist(strsplit(tlist,"_"))
fnames <- tsplit[seq(1:length(tsplit))%%2 == 1]

【讨论】：

【解决方案7】：

还有一种方法：

t <- c("bob_smith","mary_jane","jose_chung","michael_marx","charlie_ivan")
pieces <- strsplit(t,"_")
sapply(pieces, "[", 1)

换句话说，最后一行提取列表中每个组件的第一个元素，然后将其简化为向量。

这是如何工作的？好吧，您需要实现x[1] 的另一种写法是"["(x, 1)，即有一个名为[ 的函数可以进行子集化。 sapply 调用为原始列表的每个元素调用此函数一次，传入两个参数，列表元素和 1。

与其他方法相比，这种方法的优势在于您可以从列表中提取多个元素，而无需重新计算拆分。例如，姓氏是sapply(pieces, "[", 2)。一旦你习惯了这个成语，它就会很容易阅读。

【讨论】：

Hadley，我看到这行得通，但我一点也不知道为什么行得通。是否有隐含的“]”？你能详细说明一下吗？我的 R-foo 显然很弱。
我也有点震惊，JD...所以玩了一会儿，我看到： > "["(pieces,1) 产生 [[1]] [1] "bob" "smith" ... 一个有趣的符号，可以肯定的是，非常有用！
附带说明，如果您要拆分固定字符串而不是正则表达式，您可能需要考虑将fixed=TRUE 传递给strsplit。我发现这会对strsplit 的速度产生很大影响。
R 中的所有运算符都是函数 - 中缀运算符可以用前缀表示法编写。真的|| FALSE可以写成||(TRUE,FALSE)，a[b]可以写成[(a,b)，甚至赋值运算符a[b] [<-(a,b ,值=真）。 R 是魔法。
不确定它是否正确输出，但前缀函数周围应该有引号（我使用了反引号，但常规引号也应该起作用）。

【解决方案8】：

怎么样：

t <- c("bob_smith","mary_jane","jose_chung","michael_marx","charlie_ivan")

sub("_.*", "", t)

【讨论】：

【解决方案9】：

我会使用以下基于 unlist() 的方法：

> t <- c("bob_smith","mary_jane","jose_chung","michael_marx","charlie_ivan")
> tsplit <- strsplit(t,"_")
> 
> x <- matrix(unlist(tsplit), 2)
> x[1,]
[1] "bob"     "mary"    "jose"    "michael" "charlie"

这种方法最大的优点是它同时解决了姓氏的等价问题：

> x[2,]
[1] "smith" "jane"  "chung" "marx"  "ivan"

缺点是您需要确定所有名称都符合firstname_lastname 结构；如果不这样做，则此方法将中断。

【讨论】：

【解决方案10】：

从最初给出的tsplit列表对象开始，这个命令会做：

unlist(lapply(tsplit,function(x) x[1]))

它提取所有列表元素的第一个元素，然后将列表转换为向量。首先取消列出矩阵，然后提取第一列也可以，但是您依赖于所有列表元素具有相同长度的事实。这是输出：

> tsplit

[[1]]
[1] "bob"   "smith"

[[2]]
[1] "mary" "jane"

[[3]]
[1] "jose"  "chung"

[[4]]
[1] "michael" "marx"   

[[5]]
[1] "charlie" "ivan"   

> lapply(tsplit,function(x) x[1])

[[1]]
[1] "bob"

[[2]]
[1] "mary"

[[3]]
[1] "jose"

[[4]]
[1] "michael"

[[5]]
[1] "charlie"

> unlist(lapply(tsplit,function(x) x[1]))

[1] "bob"     "mary"    "jose"    "michael" "charlie"

【讨论】：