【问题标题】：Make List easier with For-Loop使用 For-Loop 使 List 更容易
【发布时间】：2017-07-23 04:18:20
【问题描述】：

library(xml2)
library(rvest)

datpackage <- paste0("dat",1:10)

for(i in 1:10){

  assign(datpackage[i], runif(2))

}

datlist <- list(dat1, dat2, dat3, dat4, dat5, dat6, dat7, dat8, dat9, dat10)

“datlist”是我想要的，但有没有更简单的方法来制作列表？

datlist2 <- for (i in 1:10) {
                list(paste0("dat",i))
}

datlist3 <- list(datpackage)

我尝试过 datlist2 和 datlist3，但这与“datlist”不同。

当我制作包含数千条数据的列表时，我应该怎么做？

【问题讨论】：

datlist <- lapply(1:10, function(ign) runif(2))?如果需要，您可以在之后指定名称。
@akrun 使用replicate 的代码更具可读性，这通常是一件好事。如果这是一个简化的示例并且您需要为 10 个“事物”中的每一个做更多的事情，那么使用 lapply 会更合适。（而且由于replicate 只是简单地调用sapply，它的性能相似。它的使用主要取决于个人喜好。）

标签： r list for-loop

【解决方案1】：

如果对象已经创建，我们可以使用paste 和mget

datlist <- mget(paste0("dat", 1:10))

但是，如果我们需要创建一个随机统一数列表，

datlist <- replicate(10, runif(2), simplify = FALSE)

【讨论】：

【解决方案2】：

对于创建带有随机数的列表，我还建议：

datlist2 <- lapply(vector("list", 10), function(x) {runif(2)})

基准测试

可能值得补充的是，lapply / vector 方法似乎更快：

funA <- function(x) {replicate(10, runif(2), simplify = FALSE)}
funB <- function(x) {lapply(vector("list", 10), function(x) {runif(2)})}
microbenchmark::microbenchmark(funA(), funB(), times = 1e4)

结果

Unit: microseconds
   expr    min      lq     mean  median      uq      max neval cld
 funA() 24.053 27.3305 37.98530 28.6665 34.4045 2478.510 10000   b
 funB() 19.507 21.6400 30.37437 22.9235 27.0500 2547.145 10000  a

【讨论】：