这是一个玩具示例，我总是为此编写一个循环。我很难找出一个班轮。我确定我见过它，但它没有坚持。
smallFrame <- data.frame(colA = c('A', 'B', 'C' ,'D'), colB = c(1,1,1,1))
someList <- list(A=20, B=30, C=40, D=50)
for(letter in names(someList)){
smallFrame[smallFrame$colA==letter, 'newColumn'] <- someList[[letter]]
}
如何在一行中执行循环？这样做不行。
lapply(names(someList), function(x) {smallFrame[smallFrame$colA==x, 'newColumn'] <- someList[[x]]})
【问题讨论】：
丑陋，但有效：
lapply(names(someList), function(x) {smallFrame[smallFrame$colA==x, 'newColumn'] <<- someList[[x]]})
注意<<-。它不能与<- 一起工作的原因是在函数中修改了 someList 的副本。
这里的“丑陋”意味着你永远不应该使用这种语法，原因有两个。首先，有副作用的函数容易出错。其次，lapply 的返回值被忽略。这些都表明显式循环是最好的。
不那么难看，几乎是从@thelatemail 偷来的：
smallFrame$newColumn <- unlist(someList[match(smallFrame$colA, names(someList))])
例子：
smallFrame <- data.frame(colA = c('A', 'B', 'C' ,'D', 'A'), colB = c(1,1,1,1,1))
> smallFrame
> smallFrame
colA colB
1 A 1
2 B 1
3 C 1
4 D 1
5 A 1
smallFrame$newColumn <- unlist(someList[match(smallFrame$colA, names(someList))])
> smallFrame
colA colB newColumn
1 A 1 20
2 B 1 30
3 C 1 40
4 D 1 50
5 A 1 20
【讨论】：
lapply + <<- 通常意味着您应该使用 for 循环。
这是一个简单的合并，如果你适当地重塑你的smallList
# reshape2 for melt.
library(reshape2)
# slightly expanded version with duplicate colA == A
smallFrame <- data.frame(colA = c('A', 'A', 'B', 'C' ,'D'), colB = c(1,2,1,1,1))
someList <- list(A=20, B=30, C=40, D=50)
merge(smallFrame, melt(someList), by.x = 'colA', by.y = 'L1')
colA colB value
1 A 1 20
2 A 2 20
3 B 1 30
4 C 1 40
5 D 1 50
或者，如果您真的热衷于在 smallFrame 中高效地分配，请使用 data.table
library(data.table)
smallDT <- data.table(smallFrame, key = 'colA')
someDT <- data.table(melt(someList), key = 'L1')
# left join smallDT and someDT, assigning the `value` column by reference
# within smallDT as the column `newColumn`
smallDT[someDT, newColumn := value]
smallDT
colA colB newColumn
1: A 1 20
2: A 2 20
3: B 1 30
4: C 1 40
5: D 1 50
【讨论】：