这是一些生成data.frame列表的代码，然后将原始列表转换为新列表，每个列表元素列出每个数据帧的行。
EG。
- l1长度为10，每个元素为data.frame，共1000行。
- l2是一个长度为1000（nrow(l1[[k]])）的列表，每个元素都是长度为10 list的{{1}}，其中包含{{1}元素的行向量}}
length(l1) 修改为了阐明l1与l1 <- vector("list", length= 10)
set.seed(65L)
for (i in 1:10) {
l1[[i]] <- data.frame(matrix(rnorm(10000),ncol=10))
}
l2 <- vector(mode="list", length= nrow(l1[[1]]))
for (i in 1:nrow(l1[[1]])) {
l2[[i]] <- lapply(l1, function(l) return(unlist(l[i,])))
}
的关系，这里是与语言无关的代码。
l1 如何通过向量化或并行化加快l2的创建速度？我遇到的问题是for (j in 1:length(l1) {
for (i in 1:nrow(l1[[1]]) { # where nrow(l1[[1]]) == nrow(l1[[k]]) k= 2,...,10
l2[[i]][[j]] <- l1[[j]][i,]
}
}
拆分列表;但是，我不想拆分列表l2，我想要做的是拆分parallel::parLapplyLB的每个元素中的行。中间解决方案将使用一些l1函数来替换for循环，从而对我当前的方法进行矢量化。显然，这也可以扩展到并行解决方案。
如果我在可接受的解决方案之前自行解决这个问题，我会在这里发布我的答案。
答案 0 :(得分：1)
我会完全破坏结构并通过Color List:
Blue
Green
Yellow
Cyan
Red
重建第二个列表。这种方法比原始方法需要更多的内存，但至少对于给定的示例，它的速度要快10倍：
split