行ごとのリストに変換したいdata.frameがあります。つまり、各行は独自のリスト要素に対応します。つまり、data.frameに行が含まれている限り、リストが必要です。
これまでのところ、私はこの問題に次の方法で取り組みましたが、これに対処するより良い方法があるかどうか疑問に思っていました。
xy.df <- data.frame(x = runif(10), y = runif(10))
# pre-allocate a list and fill it with a loop
xy.list <- vector("list", nrow(xy.df))
for (i in 1:nrow(xy.df)) {
xy.list[[i]] <- xy.df[i,]
}回答:
ユーレカ！
xy.list <- as.list(as.data.frame(t(xy.df)))unlist(apply(xy.df, 1, list), recursive = FALSE)。ただし、Flodelのソリューションは、applyまたはを使用するよりも効率的ですt。
t、data.fameをaに変換して、matrixリスト内の要素が、要求されたOPのリストではなく、アトミックベクトルになるようにすることです。xy.df混合型が含まれるまでは、通常は問題ありません...
apply。これは、実際にはRに実装されているforループにすぎませんlapply。Cでループを実行するため、非常に高速です。ループが多い場合は、この行リスト形式が実際に適しています。
applyバージョンは.mapply(data.frame, xy.df, NULL)
（私がするように）data.frameを完全に悪用し、$機能を維持したい場合、1つの方法はdata.frameをリストに集められた1行のdata.framesに分割することです：
> df = data.frame(x=c('a','b','c'), y=3:1)
> df
x y
1 a 3
2 b 2
3 c 1
# 'convert' into a list of data.frames
ldf = lapply(as.list(1:dim(df)[1]), function(x) df[x[1],])
> ldf
[[1]]
x y
1 a 3
[[2]]
x y
2 b 2
[[3]]
x y
3 c 1
# and the 'coolest'
> ldf[[2]]$y
[1] 2これは知的オナニーだけでなく、data.frameをその行のリストに「変換」して、lapplyでさらに使用するのに役立つ$インデックスを保持できるようにします（lapplyに渡す関数がこの$インデックスを使用するとします）
data.framesのリストを単一に変換しdata.frameますか？
より最新のソリューションでは、次のもののみを使用しますpurrr::transpose。
library(purrr)
iris[1:2,] %>% purrr::transpose()
#> [[1]]
#> [[1]]$Sepal.Length
#> [1] 5.1
#>
#> [[1]]$Sepal.Width
#> [1] 3.5
#>
#> [[1]]$Petal.Length
#> [1] 1.4
#>
#> [[1]]$Petal.Width
#> [1] 0.2
#>
#> [[1]]$Species
#> [1] 1
#>
#>
#> [[2]]
#> [[2]]$Sepal.Length
#> [1] 4.9
#>
#> [[2]]$Sepal.Width
#> [1] 3
#>
#> [[2]]$Petal.Length
#> [1] 1.4
#>
#> [[2]]$Petal.Width
#> [1] 0.2
#>
#> [[2]]$Species
#> [1] 1今日は、何百万もの観測値と35列のdata.frame（実際にはdata.table）のためにこれに取り組んでいました。私の目標は、それぞれが1行のdata.frames（data.tables）のリストを返すことでした。つまり、各行を個別のdata.frameに分割し、これらをリストに格納したかったのです。
ここで私が思いついた2つの方法はsplit(dat, seq_len(nrow(dat)))、そのデータセットよりも約3倍高速でした。以下では、7500行、5列のデータセットで3つの方法をベンチマークします（アイリスが50回繰り返されています）。
library(data.table)
library(microbenchmark)
microbenchmark(
split={dat1 <- split(dat, seq_len(nrow(dat)))},
setDF={dat2 <- lapply(seq_len(nrow(dat)),
function(i) setDF(lapply(dat, "[", i)))},
attrDT={dat3 <- lapply(seq_len(nrow(dat)),
function(i) {
tmp <- lapply(dat, "[", i)
attr(tmp, "class") <- c("data.table", "data.frame")
setDF(tmp)
})},
datList = {datL <- lapply(seq_len(nrow(dat)),
function(i) lapply(dat, "[", i))},
times=20
) これは戻ります
Unit: milliseconds
expr min lq mean median uq max neval
split 861.8126 889.1849 973.5294 943.2288 1041.7206 1250.6150 20
setDF 459.0577 466.3432 511.2656 482.1943 500.6958 750.6635 20
attrDT 399.1999 409.6316 461.6454 422.5436 490.5620 717.6355 20
datList 192.1175 201.9896 241.4726 208.4535 246.4299 411.2097 20違いは私の前のテストほど大きくはありませんが、ストレートsetDFメソッドは、max（setDF）<min（split）で、実行のすべてのレベルの分布で非常に高速です。attr通常メソッドは2倍以上高速です。
4番目の方法は、極端なチャンピオンです。これはlapply、ネストされたリストを返す単純なネストされたです。このメソッドは、リストからdata.frameを作成するコストの例です。さらに、私がこのdata.frame関数で試した方法はすべて、およそ1桁遅いdata.tableテクニックでした。
データ
dat <- vector("list", 50)
for(i in 1:50) dat[[i]] <- iris
dat <- setDF(rbindlist(dat))purrr（0.2.2）パッケージの現在のバージョンが最速のソリューションであるようです：
by_row(x, function(v) list(v)[[1L]], .collate = "list")$.out最も興味深いソリューションを比較してみましょう：
data("Batting", package = "Lahman")
x <- Batting[1:10000, 1:10]
library(benchr)
library(purrr)
benchmark(
split = split(x, seq_len(.row_names_info(x, 2L))),
mapply = .mapply(function(...) structure(list(...), class = "data.frame", row.names = 1L), x, NULL),
purrr = by_row(x, function(v) list(v)[[1L]], .collate = "list")$.out
)結果：
Benchmark summary:
Time units : milliseconds
expr n.eval min lw.qu median mean up.qu max total relative
split 100 983.0 1060.0 1130.0 1130.0 1180.0 1450 113000 34.3
mapply 100 826.0 894.0 963.0 972.0 1030.0 1320 97200 29.3
purrr 100 24.1 28.6 32.9 44.9 40.5 183 4490 1.0また、次のコマンドでも同じ結果が得られますRcpp。
#include <Rcpp.h>
using namespace Rcpp;
// [[Rcpp::export]]
List df2list(const DataFrame& x) {
std::size_t nrows = x.rows();
std::size_t ncols = x.cols();
CharacterVector nms = x.names();
List res(no_init(nrows));
for (std::size_t i = 0; i < nrows; ++i) {
List tmp(no_init(ncols));
for (std::size_t j = 0; j < ncols; ++j) {
switch(TYPEOF(x[j])) {
case INTSXP: {
if (Rf_isFactor(x[j])) {
IntegerVector t = as<IntegerVector>(x[j]);
RObject t2 = wrap(t[i]);
t2.attr("class") = "factor";
t2.attr("levels") = t.attr("levels");
tmp[j] = t2;
} else {
tmp[j] = as<IntegerVector>(x[j])[i];
}
break;
}
case LGLSXP: {
tmp[j] = as<LogicalVector>(x[j])[i];
break;
}
case CPLXSXP: {
tmp[j] = as<ComplexVector>(x[j])[i];
break;
}
case REALSXP: {
tmp[j] = as<NumericVector>(x[j])[i];
break;
}
case STRSXP: {
tmp[j] = as<std::string>(as<CharacterVector>(x[j])[i]);
break;
}
default: stop("Unsupported type '%s'.", type2name(x));
}
}
tmp.attr("class") = "data.frame";
tmp.attr("row.names") = 1;
tmp.attr("names") = nms;
res[i] = tmp;
}
res.attr("names") = x.attr("row.names");
return res;
}今度は次のものを使ってくださいpurrr：
benchmark(
purrr = by_row(x, function(v) list(v)[[1L]], .collate = "list")$.out,
rcpp = df2list(x)
)結果：
Benchmark summary:
Time units : milliseconds
expr n.eval min lw.qu median mean up.qu max total relative
purrr 100 25.2 29.8 37.5 43.4 44.2 159.0 4340 1.1
rcpp 100 19.0 27.9 34.3 35.8 37.2 93.8 3580 1.0by_row()に移動しましたlibrary(purrrlyr)
さらにいくつかのオプション：
と asplit
asplit(xy.df, 1)
#[[1]]
# x y
#0.1137 0.6936
#[[2]]
# x y
#0.6223 0.5450
#[[3]]
# x y
#0.6093 0.2827
#....とsplitとrow
split(xy.df, row(xy.df)[, 1])
#$`1`
# x y
#1 0.1137 0.6936
#$`2`
# x y
#2 0.6223 0.545
#$`3`
# x y
#3 0.6093 0.2827
#....データ
set.seed(1234)
xy.df <- data.frame(x = runif(10), y = runif(10))私にとって最良の方法は：
データの例：
Var1<-c("X1",X2","X3")
Var2<-c("X1",X2","X3")
Var3<-c("X1",X2","X3")
Data<-cbind(Var1,Var2,Var3)
ID Var1 Var2 Var3
1 X1 X2 X3
2 X4 X5 X6
3 X7 X8 X9BBmisc図書館と呼ぶ
library(BBmisc)
data$lists<-convertRowsToList(data[,2:4])そして結果は次のようになります：
ID Var1 Var2 Var3 lists
1 X1 X2 X3 list("X1", "X2", X3")
2 X4 X5 X6 list("X4","X5", "X6")
3 X7 X8 X9 list("X7,"X8,"X9) 別の方法は、dfを行列に変換してから、リスト適用lappy関数を適用する方法です。ldf <- lapply(as.matrix(myDF), function(x)x)
パッケージのby_row関数purrrlyrがこれを行います。
この例では、
myfn <- function(row) {
#row is a tibble with one row, and the same number of columns as the original df
l <- as.list(row)
return(l)
}
list_of_lists <- purrrlyr::by_row(df, myfn, .labels=FALSE)$.outデフォルトでは、からの戻り値myfnはと呼ばれるdfの新しいリスト列に入れられます.out。$.out上記の文の終わりには、すぐにリストのリストを返す、この列を選択します。
split各要素を使用した後は、data.frame with 1 rows and N columns代わりにタイプを持っていることに注意してくださいlist of length N