如何制作数据帧列表？

如何制作数据帧列表，以及如何从列表中访问每个数据帧？

例如，如何将这些数据框放在列表中？

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))

这与您的问题无关，但是您想使用=而不是<-在函数调用中。如果你使用<-，你最终会创建变量y1，并y2在任何环境下你的工作：

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

在数据框中创建列名似乎不会产生预期效果：

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

该=运营商，在另一方面，将您的向量与参数相关联data.frame。

关于您的问题，列出数据帧列表很容易：

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)

您可以访问数据框，就像访问任何其他列表元素一样：

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

其他答案告诉你如何做data.frames列表时，你已经有一堆data.frames，例如，d1，d2，...有顺序命名的数据帧是一个问题，并且把它们放在一个列表是一个很好的解决方法，但是最佳实践是避免一堆data.frames不在列表中。

其他答案给予充足的如何分配数据帧的细节到列表中的元素，访问他们，等我们将介绍的是，这里有点太，但要点是说不要等到你有一大堆的一data.frames将它们添加到列表中。从列表开始。

该答案的其余部分将介绍一些您可能很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，则可能还需要阅读与访问列表元素有什么区别？[[[。

从头开始列出

永远不要创建d1 d2 d3，...，dn摆在首位。创建一个d包含n元素的列表。

将多个文件读入数据帧列表

读取文件时，这很容易做到。也许您data1.csv, data2.csv, ...在目录中有文件。您的目标是一个名为的data.frames列表mydata。您需要做的第一件事是包含所有文件名的向量。你可以用粘贴此构造（例如，my_files = paste0("data", 1:5, ".csv")），但它可能是更容易使用list.files抓住所有适当的文件：my_files <- list.files(pattern = "\\.csv$")。您可以使用正则表达式来匹配文件，如果需要其他帮助，请阅读其他问题中有关正则表达式的更多信息。这样，即使它们没有遵循良好的命名方案，您也可以捕获所有CSV文件。或者，如果您需要从一堆文件中挑选某些CSV文件，则可以使用更高级的正则表达式模式。

在这一点上，大多数R初学者都将使用for循环，这没什么不对，它可以正常工作。

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

使用可以更像R的方式是lapply，这是上面的快捷方式

my_data <- lapply(my_files, read.csv)

当然，read.csv可以适当地替代其他数据导入功能。readr::read_csv或data.table::fread速度会更快，或者对于其他文件类型，您可能还需要其他功能。

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 = "")

将数据帧拆分为数据帧列表

这是非常容易的，基本功能split()可以帮您实现。您可以按数据的一列或多列拆分，也可以按其他任何想要的拆分

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

这也是将数据帧分解为交叉验证的好方法。也许您想mtcars分成训练，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!

模拟数据帧列表

也许您正在模拟数据，如下所示：

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

但是谁只做一次模拟？您想做100次，1000次甚至更多！但是，您不希望工作空间中有10,000个数据框。使用replicate并将它们放在列表中：

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

特别是在这种情况下，您还应该考虑您是否真的需要单独的数据帧，或者具有“ group”列的单个数据帧也可以工作吗？使用data.table或dplyr“按组”对数据帧进行操作非常容易。

我没有将数据放入列表中：(下一次我会，但是现在我该怎么办？

如果它们是奇数分类（这是不寻常的），则可以简单地分配它们：

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

如果你有一个模式命名，数据帧例如df1，df2，df3，和你希望他们在列表中，你可以get他们，如果你可以写一个正则表达式匹配的姓名。就像是

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将它们返回到命名列表中。它的对应get对象用于获取单个对象并返回它（不在列表中）。

将数据帧列表合并为一个数据帧

一项常见的任务是将数据帧列表组合成一个大数据帧。如果要将它们堆叠在一起，可以使用rbind一对，但是对于数据帧列表，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用于列。）

要合并（加入）数据帧列表，您可以看到以下答案。通常，此想法是Reduce与merge（或其他一些加入函数）一起使用以使它们在一起。

为什么将数据放在列表中？

放入列表类似的数据，因为你想要做类似的事情，每个数据帧，以及功能，如lapply，sapply do.call，的purrr包，和老plyr l*ply功能可以很容易地做到这一点。人们很容易用列表来做事，例如SO。

即使您使用低级的for循环，也要比使用构造变量名paste和使用来访问对象要容易得多get。调试也很容易。

考虑可伸缩性。如果你真的只需要三个变量，它的优良使用d1，d2，d3。但是，如果事实证明您确实需要6，则需要输入更多内容。下次，当您需要10或20时，您发现自己正在复制和粘贴代码行，也许使用find / replace更改d14为d15，并且您认为这不是编程应有的方式。如果使用列表，则3个案例，30个案例和300个案例之间的差异最多是一行代码-如果自动检测到案例数量（例如，.csv您的文件数为多少），则根本不会更改目录。

您可以命名列表中的元素，以防万一您想使用数字索引以外的其他方式来访问数据框（并且您可以使用两者，这不是XOR选择）。

总体而言，使用列表将使您编写更清晰，更易于阅读的代码，从而减少错误并减少混乱。

您也可以访问特定的列和值在每个列表元素与 [和[[。这里有几个例子。首先，我们只能使用来访问列表中每个数据帧的第一列lapply(ldf, "[", 1)，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，我们可以使用以下命令访问第二列中的第一个值

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

然后，我们还可以直接使用向量来访问列值 [[

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

如果您有大量顺序命名的数据帧，则可以创建所需数据帧子集的列表，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返回包含第二，第三和第四数据帧的列表。

[[1]]
  y1 y2
1  3  6
2  2  5
3  1  4

[[2]]
  y1 y2
1  6  3
2  5  2
3  4  1

[[3]]
  y1 y2
1  9  8
2  9  8
3  9  8

但是请注意，上面列表中的数据帧不再命名。如果要创建一个包含数据帧子集的列表并希望保留其名称，则可以尝试以下操作：

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

假设您有大量的具有相似名称的data.frame（此处为d＃，其中＃是一些正整数），以下是@ mark-miller方法的略微改进。它更简洁，并返回data.frames 的命名列表，其中列表中的每个名称都是对应的原始data.frame的名称。

密钥mget与一起使用ls。如果问题中提供的数据帧d1和d2是环境中仅有名称d＃的对象，则

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

会回来的

my.list
$d1
  y1 y2
1  1  4
2  2  5
3  3  6

$d2
  y1 y2
1  3  6
2  2  5
3  1  4

该方法利用了中的pattern参数ls，它使我们能够使用正则表达式对环境中的对象名称进行更好的解析。正则表达式的替代方法"^d[0-9]+$"是"^d\\d+$"。

正如@gregor 指出的那样，最好是设置数据构建过程的整体，以便将data.frames首先放入命名列表中。

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))

这可能有点晚了，但回到您的示例，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，您可以轻松列出清单：

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

现在您有了一个列表，但是不用像以前那样访问列表了，例如

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

您可以使用此功能获取并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)
}

现在得到你想要的那个。

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

希望更多的帮助。

干杯!

很简单 ！这是我的建议：

如果要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())

要么

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

我认为自己是一个完整的新手，但是我想对一个原始的子问题（这里没有说明）进行一个非常简单的回答：访问数据帧或其中的一部分。

让我们从创建如上所述带有数据帧的列表开始：

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，如果要访问其中一个数据帧中的特定值，可以依次使用双括号来进行访问。第一组将您带入数据框，第二组将您带入特定坐标：

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

[1] 6