我的数据使用dput
显示如下。
dat <- structure(list(`60` = structure(c(25.2142857142857, 25.2142857142857,
25.2142857142857, 16.8333333333333, 6.18181818181818, 6.45454545454545,
39.3076923076923, 17.8, 30.2307692307692, 31.9090909090909, 338.872342659885,
338.872342659885, 338.872342659885, 312.566239187662, 108.98770426029,
132.000329498368, 295.499325777881, 289.05210119046, 279.319320138619,
282.696361655751), .Dim = c(10L, 2L), .Dimnames = list(NULL,
c("CanCov", "Aspect"))), `100` = structure(c(22.2285714285714,
21.8285714285714, 22.2285714285714, 17.4285714285714, 7.54054054054054,
5.51351351351351, 32.8823529411765, 18.0285714285714, 31.3125,
32.5833333333333, 328.300126247896, 336.611388179775, 328.300126247896,
288.830157290819, 132.674633942446, 122.597267778504, 295.162359106757,
254.508961455896, 280.326744650874, 287.386617538886), .Dim = c(10L,
2L), .Dimnames = list(NULL, c("CanCov", "Aspect"))), `500` = structure(c(10.786941580756,
10.7688787185355, 10.8489702517162, 10.7628278221209, 14.1569301260023,
12.9438717067583, 12.8735632183908, 10.8551724137931, 20.729667812142,
23.3722794959908, 195.270942450807, 195.540990751048, 195.662725661548,
190.688980052674, 165.038240066186, 133.772446928244, 198.45485951978,
188.942107644257, 203.862336021767, 217.567077176237), .Dim = c(10L,
2L), .Dimnames = list(NULL, c("CanCov", "Aspect"))), `1000` = structure(c(10.3804067602406,
10.3746059042706, 10.381156930126, 9.8993981083405, 13.26243567753,
13.6912732474964, 11.3125, 9.73461208130547, 17.5430539609644,
18.8537492844877, 174.841410186063, 174.803449739022, 174.777413321887,
169.181037352303, 148.07213983955, 145.460198642085, 157.562633627451,
162.484978829108, 159.688505118645, 163.433969343022), .Dim = c(10L,
2L), .Dimnames = list(NULL, c("CanCov", "Aspect")))), .Names = c("60",
"100", "500", "1000"))
我有一个包含四个元素的列表(名为60,100,500和1000)。
> str(dat)
List of 4
$ 60 : num [1:10, 1:2] 25.21 25.21 25.21 16.83 6.18 ...
..- attr(*, "dimnames")=List of 2
.. ..$ : NULL
.. ..$ : chr [1:2] "CanCov" "Aspect"
$ 100 : num [1:10, 1:2] 22.23 21.83 22.23 17.43 7.54 ...
..- attr(*, "dimnames")=List of 2
.. ..$ : NULL
.. ..$ : chr [1:2] "CanCov" "Aspect"
$ 500 : num [1:10, 1:2] 10.8 10.8 10.8 10.8 14.2 ...
..- attr(*, "dimnames")=List of 2
.. ..$ : NULL
.. ..$ : chr [1:2] "CanCov" "Aspect"
$ 1000: num [1:10, 1:2] 10.4 10.4 10.4 9.9 13.3 ...
..- attr(*, "dimnames")=List of 2
.. ..$ : NULL
.. ..$ : chr [1:2] "CanCov" "Aspect"
我想制作一个8 x 10的数据框,其中列对应于列表名称。具体来说,列将标记为CanCov_60,Aspect_60,CanCov_100,...,CanCov_1000,Aspect_1000,其中CanCov_60和Aspect_60的值将来自具有相应名称的列表。
我怀疑ldply
是最好用的功能,但似乎无法连接点。
答案 0 :(得分:6)
您可以使用列表名称上的lapply在base-R中执行此操作。首先,我们检索特定的数据帧,然后更改列名并返回它。最后,我们使用do.call(cbind(...))
来创建结果。
编辑:我按照问题的标题,并假设所有对象都是数据帧并且没有检查。然而,正如@Damianofantini指出的那样,它们实际上就是矩阵。我已经添加了对data.frame的转换。
do.call(cbind,lapply(names(dat),function(x){
res <- dat[[x]]
colnames(res) <- paste(colnames(res),x,sep="_")
data.frame(res)
}))
答案 1 :(得分:1)
可以并行化的doParallel
版本:
library(doParallel)
foreach(i = seq_along(dat), .combine = cbind) %do% {
x <- dat[[i]]
colnames(x) <- paste(colnames(x), names(dat)[i], sep = "_")
x
}
答案 2 :(得分:1)
这种方法与Heroka的方法非常相似,但我相信它会更快一些。这是因为dplyr::bind_cols
is considerably faster而不是do.call(cbind())
方法。不幸的是,要使用dplyr::bind_cols
,列表中的所有元素都必须是data.frame
。因此,我需要采用Map
(即mapply
)策略,该策略将矩阵转换为data.frame
并更改变量名称。
library(dplyr)
res <- Map(function(x, y){colnames(x) = paste(colnames(x), y, sep = "_"); as.data.frame(x)}, x = dat, y = names(dat)) %>%
bind_cols(.)
答案 3 :(得分:-1)
您可以遍历列表并将每个矩阵复制到收件人矩阵中,动态重命名列名称(如您指定的那样),然后只在数据框中转换收件人矩阵。 它不会像使用apply一样快,但你应该完成工作(如果你的列表很小)。
private static List<String> rowsAsString(List<?> rows) {
if (rows == null || rows.isEmpty())
return Collections.emptyList();
List<String> strings = new ArrayList<>(rows.size());
for (Object row : rows) {
strings.add(asString(row));
}
return strings;
}