Question

我在R（约3个月）中比较新，所以我只是掌握了所有不同的数据类型。虽然列表是一种非常有用的方法，可以在一个地方保存不同的数据，但它们对于函数调用也非常不灵活，并且让我感到焦虑。

对于我正在做的工作，我经常使用列表，因为我需要持有一堆不同长度的向量。例如，我正在跟踪大约10,000辆不同车辆的性能统计数据，并且某些车辆非常相似，它们基本上可以被视为用于某些分析的相同车辆。

因此，假设我们有车辆ID列表：

List <- list(a=1, b=c(2,3,4), c=5)

为了简单起见。

我想做两件事：

告诉我特定车辆所在列表的哪个元素。所以当我告诉R我正在使用车辆2时，它应该告诉我b或{{1} }。我觉得它应该像你能做的那样简单
```
[2]
```
将其转换为数据框或类似内容，以便将其保存为CSV格式。未使用的行可以为空或match(3,b) > 2。到目前为止，我必须做的是：
```
NA
```

这似乎很愚蠢。

Answer 1

如果您要将数据“扁平化”为data.frame，那么这两项任务（以及许多其他任务）将变得更加容易。这是一种方法：

fun <- function(X) 
    data.frame(element = X, vehicle = List[[X]], stringsAsFactors = FALSE)
df <- do.call(rbind, lapply(names(List), fun))
#   element vehicle
# 1       a       1
# 2       b       2
# 3       b       3
# 4       b       4
# 5       c       5

掌握了data.frame，以下是执行两项任务的方法：

## Task #1
with(df, element[match(3, vehicle)])
# [1] "b"

## Task #2
write.csv(df, file = "outfile.csv")

Answer 2

关于你的第一个问题：

which(sapply(List, `%in%`, x = 3))
# b 
# 2

对于第二个问题，你可以使用像这样的函数：

list.to.df <- function(arg.list) {
   max.len  <- max(sapply(arg.list, length))
   arg.list <- lapply(arg.list, `length<-`, max.len)
   as.data.frame(arg.list)
}
list.to.df(List)
#    a b  c
# 1  1 2  5
# 2 NA 3 NA
# 3 NA 4 NA

列表中的元素。

2 个答案: