【问题标题】：How do I make a list of data frames?如何制作数据框列表？
【发布时间】：2013-07-04 03:42:54
【问题描述】：

如何制作数据框列表以及如何访问列表中的每个数据框？

例如，如何将这些数据框放入列表中？

d1 <- data.frame(y1 = c(1, 2, 3),
                 y2 = c(4, 5, 6))
d2 <- data.frame(y1 = c(3, 2, 1),
                 y2 = c(6, 5, 4))

【问题讨论】：

这是在几个答案中，但也值得在这里有一个可见的评论：在data.frame() 中使用= 而不是<-。通过使用<-，您可以在全局环境中创建y1 和y2，而您的数据框不是您想要的。
看看 data.frame() 中没有空格和<-s 的那乱七八糟的代码。我真是个新手。
不再。我刚刚编辑了您的问题以修复代码格式。如果您感到怀旧，请随时恢复。

标签： r list dataframe r-faq

【解决方案1】：

`for` 循环模拟

如果我有一个 for 循环生成数据帧，我会从一个空的 list() 开始，并在生成数据帧时附加它们。

# Empty list
dat_list <- list()

for(i in 1:5){
    # Generate dataframe
    dat <- data.frame(x=rnorm(10), y=rnorm(10))
    # Add to list
    dat_list <- append(dat_list, list(dat))
}

请注意，在我们的 append() 调用中是 list(dat)。

访问数据

然后从我们使用dat_list[[n]] 的列表中获取nth 数据帧。您可以以正常方式访问此数据框中的数据，例如dat_list[[2]]$x.

或者，如果您想从所有数据框中获取相同的部分 sapply(dat_list, "[", "x")。

请参阅@Gregor Thomas 的答案，了解如何在没有for 循环的情况下执行此操作。

【讨论】：

【解决方案2】：

我认为自己是一个完全的新手，但我认为对于此处未说明的原始子问题之一，我有一个非常简单的答案：访问数据帧或其中的一部分。

让我们从创建带有数据框的列表开始，如上所述：

d1 <- data.frame(y1 = c(1, 2, 3), y2 = c(4, 5, 6))

d2 <- data.frame(y1 = c(3, 2, 1), y2 = c(6, 5, 4))

my.list <- list(d1, d2)

然后，如果您想访问其中一个数据框中的特定值，您可以按顺序使用双括号来实现。第一组带您进入数据框，第二组带您进入特定坐标：

my.list[[1]][[3,2]]

[1] 6

【讨论】：

【解决方案3】：

其他答案向您展示如何在您已经一堆 data.frames 时制作 data.frames 列表，例如，d1、@987654325 @, .... 按顺序命名的数据帧是个问题，将它们放在一个列表中是一个很好的解决方法，但最佳做法是避免将一堆 data.frames 不在列表中首先。

其他答案提供了大量关于如何将数据框分配给列表元素、访问它们等的详细信息。我们也会在这里稍微介绍一下，但要点是说不要等到你有一堆data.frames 才将它们添加到列表中。从列表开始。

此答案的其余部分将涵盖一些您可能会想创建顺序变量的常见情况，并向您展示如何直接进入列表。如果您不熟悉 R 中的列表，您可能还想阅读 What's the difference between [[ and [ in accessing elements of a list?。

从头开始列出

首先不要创建d1 d2 d3, ..., dn。使用 n 元素创建一个列表 d。

将多个文件读入数据框列表

这在读入文件时很容易完成。也许您的目录中有文件data1.csv, data2.csv, ...。您的目标是一个名为mydata 的data.frames 列表。您需要的第一件事是包含所有文件名的向量。您可以使用粘贴（例如，my_files = paste0("data", 1:5, ".csv")）来构建它，但使用list.files 获取所有适当的文件可能更容易：my_files <- list.files(pattern = "\\.csv$")。您可以使用正则表达式来匹配文件，如果您需要帮助，请在其他问题中阅读有关正则表达式的更多信息。通过这种方式，您可以获取所有 CSV 文件，即使它们没有遵循良好的命名方案。或者，如果您需要从一堆 CSV 文件中挑选出某些 CSV 文件，您可以使用更高级的正则表达式模式。

此时，大多数 R 初学者都会使用 for 循环，这并没有什么问题，它工作得很好。

my_data <- list()
for (i in seq_along(my_files)) {
    my_data[[i]] <- read.csv(file = my_files[i])
}

更类似于 R 的方式是使用 lapply，这是上述方法的快捷方式

my_data <- lapply(my_files, read.csv)

当然，可以酌情用其他数据导入功能代替read.csv。 readr::read_csv 或 data.table::fread 会更快，或者您可能还需要针对不同文件类型的不同函数。

无论哪种方式，命名列表元素以匹配文件都很方便

names(my_data) <- gsub("\\.csv$", "", my_files)
# or, if you prefer the consistent syntax of stringr
names(my_data) <- stringr::str_replace(my_files, pattern = ".csv", replacement = "")

将数据框拆分为数据框列表

这非常简单，基本函数split() 为您完成。您可以按一列（或多列）数据进行拆分，也可以按您想要的任何其他内容进行拆分

mt_list = split(mtcars, f = mtcars$cyl)
# This gives a list of three data frames, one for each value of cyl

这也是一种将数据框分解为多个片段以进行交叉验证的好方法。也许您想将 mtcars 拆分为训练、测试和验证部分。

groups = sample(c("train", "test", "validate"),
                size = nrow(mtcars), replace = TRUE)
mt_split = split(mtcars, f = groups)
# and mt_split has appropriate names already!

模拟数据框列表

也许你在模拟数据，像这样：

my_sim_data = data.frame(x = rnorm(50), y = rnorm(50))

但是谁只做一次模拟呢？你想这样做 100 次，1000 次，更多！但是您不希望工作区中有 10,000 个数据框。使用replicate 并将它们放在一个列表中：

sim_list = replicate(n = 10,
                     expr = {data.frame(x = rnorm(50), y = rnorm(50))},
                     simplify = F)

尤其是在这种情况下，您还应该考虑是否真的需要单独的数据框，或者带有“组”列的单个数据框也可以工作？使用 data.table 或 dplyr 可以很容易地“按组”对数据框执行操作。

我没有把我的数据放在一个列表中 :( 下次我会的，但我现在能做什么？

如果它们是奇怪的分类（这是不寻常的），您可以简单地分配它们：

mylist <- list()
mylist[[1]] <- mtcars
mylist[[2]] <- data.frame(a = rnorm(50), b = runif(50))
...

如果您有以模式命名的数据框，例如df1、df2、df3，并且您希望将它们放在一个列表中，您可以get它们，如果您可以编写一个正则表达式来匹配名字。类似的东西

df_list = mget(ls(pattern = "df[0-9]"))
# this would match any object with "df" followed by a digit in its name
# you can test what objects will be got by just running the
ls(pattern = "df[0-9]")
# part and adjusting the pattern until it gets the right objects.

通常，mget 用于获取多个对象并在命名列表中返回它们。其对应的get 用于获取单个对象并将其返回（不在列表中）。

将数据框列表组合成单个数据框

一个常见的任务是将一系列数据框组合成一个大数据框。如果您想将它们堆叠在一起，您可以使用rbind 来表示它们，但是对于数据框列表，这里有三个不错的选择：

# base option - slower but not extra dependencies
big_data = do.call(what = rbind, args = df_list)

# data table and dplyr have nice functions for this that
#  - are much faster
#  - add id columns to identify the source
#  - fill in missing values if some data frames have more columns than others
# see their help pages for details
big_data = data.table::rbindlist(df_list)
big_data = dplyr::bind_rows(df_list)

（类似地使用cbind 或dplyr::bind_cols 表示列。）

要合并（加入）数据框列表，您可以查看these answers。通常，这个想法是使用 Reduce 和 merge（或其他一些连接函数）将它们组合在一起。

为什么要把数据放在一个列表中？

将相似的数据放在列表中，因为您想对每个数据框执行相似的操作，而 lapply、sapplydo.call、the purrr package 和旧的 plyrl*ply 等函数可以实现很容易做到这一点。用列表轻松做事的例子比比皆是。

即使您使用低级的 for 循环，循环列表的元素也比使用 paste 构造变量名并使用 get 访问对象要容易得多。也更容易调试。

考虑可扩展性。如果你真的只需要三个变量，使用d1、d2、d3就可以了。但是如果事实证明你真的需要 6 个，那就需要更多的输入。下一次，当您需要 10 或 20 行代码时，您会发现自己在复制和粘贴代码行，可能使用 find/replace 将 d14 更改为 d15，而您认为 这不是编程方式应该是。如果使用列表，则 3 例、30 例和 300 例之间的差异最多只有一行代码——如果您的案例数量是自动检测的，例如有多少 .csv 文件，则根本没有变化在您的目录中。

您可以命名列表的元素，以防您想使用数字索引以外的其他内容来访问您的数据框（您可以同时使用这两种方法，这不是 XOR 选择）。

总体而言，使用列表将导致您编写更清晰、更易于阅读的代码，从而减少错误和混乱。

【讨论】：

你推荐哪本书涉及使用列表？
我建议阅读 Stack Overflow 上标有 r 和 list 的问题和答案。
@Gregor 我想补充一点，我们可以避免命名列表元素来匹配文件，只需分配my_data <- NULL 而不是`my_data
有可能，但my_data <- list() 明确表示您正在创建一个列表，这很好！清晰的代码是一件好事。我认为使用 my_data <- NULL 没有任何优势。
我同意你所说的，但就像我说的那样，这样做你可以逃避命名文件的阶段。 names(my_data) <- gsub("\\.csv$", "", my_files) ;)
但我尊重你的建议，因为我作为新手从他们那里学到了很多东西，我真的很感激 :)

【解决方案4】：

假设您有“大量”具有相似名称的 data.frames（此处为 d#，其中 # 是某个正整数），以下是@mark-miller 方法的轻微改进。它更简洁，并返回一个 named data.frames 列表，其中列表中的每个名称都是对应的原始 data.frame 的名称。

关键是使用mget 和ls。如果问题中提供的数据框 d1 和 d2 是环境中唯一名称为 d# 的对象，那么

my.list <- mget(ls(pattern="^d[0-9]+"))

会返回

此方法利用ls 中的模式参数，它允许我们使用正则表达式对环境中的对象名称进行更精细的解析。正则表达式"^d[0-9]+$" 的替代方法是"^d\\d+$"。

作为@gregor points out，总体而言，最好设置您的数据构造过程，以便在开始时将data.frames放入命名列表中。

数据

d1 <- data.frame(y1 = c(1,2,3),y2 = c(4,5,6))
d2 <- data.frame(y1 = c(3,2,1),y2 = c(6,5,4))

【讨论】：

【解决方案5】：

非常简单！这是我的建议：

如果您想在工作区中选择数据框，请尝试以下操作：

Filter(function(x) is.data.frame(get(x)) , ls())

或

ls()[sapply(ls(), function(x) is.data.frame(get(x)))]

所有这些都会产生相同的结果。

您可以更改is.data.frame 以检查其他类型的变量，例如is.function

【讨论】：

【解决方案6】：

这与您的问题无关，但您想在函数调用中使用 = 而不是 <-。如果您使用<-，您最终会在您工作的任何环境中创建变量y1 和y2：

d1 <- data.frame(y1 <- c(1, 2, 3), y2 <- c(4, 5, 6))
y1
# [1] 1 2 3
y2
# [1] 4 5 6

这不会产生在数据框中创建列名的看似想要的效果：

d1
#   y1....c.1..2..3. y2....c.4..5..6.
# 1                1                4
# 2                2                5
# 3                3                6

另一方面，= 运算符会将您的向量与 data.frame 的参数相关联。

至于您的问题，制作数据框列表很容易：

d1 <- data.frame(y1 = c(1, 2, 3), y2 = c(4, 5, 6))
d2 <- data.frame(y1 = c(3, 2, 1), y2 = c(6, 5, 4))
my.list <- list(d1, d2)

您可以像访问任何其他列表元素一样访问数据框：

my.list[[1]]
#   y1 y2
# 1  1  4
# 2  2  5
# 3  3  6

【讨论】：

【解决方案7】：

您还可以使用[ 和[[ 访问每个列表元素中的特定列和值。这里有几个例子。首先，我们可以使用lapply(ldf, "[", 1) 访问列表中每个数据框的第一列，其中1 表示列号。

ldf <- list(d1 = d1, d2 = d2)  ## create a named list of your data frames
lapply(ldf, "[", 1)
# $d1
#   y1
# 1  1
# 2  2
# 3  3
#
# $d2
#   y1
# 1  3
# 2  2
# 3  1

同样，我们可以使用

访问第二列中的第一个值

lapply(ldf, "[", 1, 2)
# $d1
# [1] 4
# 
# $d2
# [1] 6

然后我们也可以直接访问列值，作为向量，[[

lapply(ldf, "[[", 1)
# $d1
# [1] 1 2 3
#
# $d2
# [1] 3 2 1

【讨论】：

【解决方案8】：

这可能有点晚了，但回到你的例子，我想我会稍微扩展一下答案。

 D1 <- data.frame(Y1=c(1,2,3), Y2=c(4,5,6))
 D2 <- data.frame(Y1=c(3,2,1), Y2=c(6,5,4))
 D3 <- data.frame(Y1=c(6,5,4), Y2=c(3,2,1))
 D4 <- data.frame(Y1=c(9,9,9), Y2=c(8,8,8))

然后你就可以轻松地列出你的清单了：

mylist <- list(D1,D2,D3,D4)

现在您有一个列表，但不是以旧方式访问列表，例如

mylist[[1]] # to access 'd1'

您可以使用此功能来获取和分配您选择的数据框。

GETDF_FROMLIST <- function(DF_LIST, ITEM_LOC){
   DF_SELECTED <- DF_LIST[[ITEM_LOC]]
   return(DF_SELECTED)
}

现在得到你想要的。

D1 <- GETDF_FROMLIST(mylist, 1)
D2 <- GETDF_FROMLIST(mylist, 2)
D3 <- GETDF_FROMLIST(mylist, 3)
D4 <- GETDF_FROMLIST(mylist, 4)

希望额外的一点帮助。

干杯！

【讨论】：

是的，我知道，但由于某种原因，当我复制和粘贴时，一切都大写了。 :( 无论如何，小写的代码都有效。
我很好奇为什么你更喜欢GETDF_FROMLIST(mylist, 1) 而不是mylist[[1]]？如果您更喜欢函数语法，您甚至可以在不定义自定义函数的情况下使用 "[["(mylist, 1)。
你也可以简化你的函数定义，整个函数体可以是return(DF_LIST[[ITEM_LOC]])，不需要分配中间变量。

【解决方案9】：

如果您有大量按顺序命名的数据框，您可以创建所需数据框子集的列表，如下所示：

d1 <- data.frame(y1=c(1,2,3), y2=c(4,5,6))
d2 <- data.frame(y1=c(3,2,1), y2=c(6,5,4))
d3 <- data.frame(y1=c(6,5,4), y2=c(3,2,1))
d4 <- data.frame(y1=c(9,9,9), y2=c(8,8,8))

my.list <- list(d1, d2, d3, d4)
my.list

my.list2 <- lapply(paste('d', seq(2,4,1), sep=''), get)
my.list2

其中my.list2 返回一个包含第二、第三和第四个数据帧的列表。

但请注意，上述列表中的数据框不再命名。如果您想创建一个包含数据框子集的列表并希望保留它们的名称，您可以尝试以下操作：

list.function <-  function() { 

     d1 <- data.frame(y1=c(1,2,3), y2=c(4,5,6))
     d2 <- data.frame(y1=c(3,2,1), y2=c(6,5,4))
     d3 <- data.frame(y1=c(6,5,4), y2=c(3,2,1))
     d4 <- data.frame(y1=c(9,9,9), y2=c(8,8,8))

     sapply(paste('d', seq(2,4,1), sep=''), get, environment(), simplify = FALSE) 
} 

my.list3 <- list.function()
my.list3

返回：

> my.list3
$d2
  y1 y2
1  3  6
2  2  5
3  1  4

$d3
  y1 y2
1  6  3
2  5  2
3  4  1

$d4
  y1 y2
1  9  8
2  9  8
3  9  8

> str(my.list3)
List of 3
 $ d2:'data.frame':     3 obs. of  2 variables:
  ..$ y1: num [1:3] 3 2 1
  ..$ y2: num [1:3] 6 5 4
 $ d3:'data.frame':     3 obs. of  2 variables:
  ..$ y1: num [1:3] 6 5 4
  ..$ y2: num [1:3] 3 2 1
 $ d4:'data.frame':     3 obs. of  2 variables:
  ..$ y1: num [1:3] 9 9 9
  ..$ y2: num [1:3] 8 8 8

> my.list3[[1]]
  y1 y2
1  3  6
2  2  5
3  1  4

> my.list3$d4
  y1 y2
1  9  8
2  9  8
3  9  8

【讨论】：

用lapply(foo, get)代替mget(foo)

for 循环模拟

访问数据

从头开始列出

将多个文件读入数据框列表

将数据框拆分为数据框列表

模拟数据框列表

我没有把我的数据放在一个列表中 :( 下次我会的，但我现在能做什么？

将数据框列表组合成单个数据框

为什么要把数据放在一个列表中？

`for` 循环模拟