假设您要将矩阵转换为列表，列表的每个元素都包含一列。list()或as.list()显然将无法正常工作，直到现在我还是使用hack的行为tapply：
x <- matrix(1:10,ncol=2)
tapply(x,rep(1:ncol(x),each=nrow(x)),function(i)i)
我对此并不完全满意。有人知道我忽略了一种更清洁的方法吗？
（为使列表充满行，显然可以将代码更改为：
tapply(x,rep(1:nrow(x),ncol(x)),function(i)i)
）
Answers:
为了给猫剥皮，请将数组视为向量，就好像它没有dim属性一样：
split(x, rep(1:ncol(x), each = nrow(x)))
tapply做什么的核心。但这很简单:)。可能会split(x, col(x))（和split(x, row(x))分别）较慢但美观的解决方案。
split(x, c(col(x)))。但是看起来更糟。
x具有列名称，split(x, col(x, as.factor = TRUE))则将保留名称。
加文的答案简单而优雅。但是，如果有很多列，则更快的解决方案是：
lapply(seq_len(ncol(x)), function(i) x[,i])
在下面的示例中，速度差为6倍：
> x <- matrix(1:1e6, 10)
> system.time( as.list(data.frame(x)) )
user system elapsed
1.24 0.00 1.22
> system.time( lapply(seq_len(ncol(x)), function(i) x[,i]) )
user system elapsed
0.2 0.0 0.2
我相信data.frames被存储为列表。因此，强制似乎最好：
as.list(as.data.frame(x))
> as.list(as.data.frame(x))
$V1
[1] 1 2 3 4 5
$V2
[1] 6 7 8 9 10
基准测试结果很有趣。as.data.frame比data.frame更快，这是因为data.frame必须创建一个全新的对象，或者是因为跟踪列名的代价很高（见证c（unname（））vs c（）比较）？@Tommy提供的lapply解决方案要快一个数量级。通过手动强制可以稍微改善as.data.frame（）结果。
manual.coerce <- function(x) {
x <- as.data.frame(x)
class(x) <- "list"
x
}
library(microbenchmark)
x <- matrix(1:10,ncol=2)
microbenchmark(
tapply(x,rep(1:ncol(x),each=nrow(x)),function(i)i) ,
as.list(data.frame(x)),
as.list(as.data.frame(x)),
lapply(seq_len(ncol(x)), function(i) x[,i]),
c(unname(as.data.frame(x))),
c(data.frame(x)),
manual.coerce(x),
times=1000
)
expr min lq
1 as.list(as.data.frame(x)) 176221 183064
2 as.list(data.frame(x)) 444827 454237
3 c(data.frame(x)) 434562 443117
4 c(unname(as.data.frame(x))) 257487 266897
5 lapply(seq_len(ncol(x)), function(i) x[, i]) 28231 35929
6 manual.coerce(x) 160823 167667
7 tapply(x, rep(1:ncol(x), each = nrow(x)), function(i) i) 1020536 1036790
median uq max
1 186486 190763 2768193
2 460225 471346 2854592
3 449960 460226 2895653
4 271174 277162 2827218
5 36784 37640 1165105
6 171088 176221 457659
7 1052188 1080417 3939286
is.list(manual.coerce(x))
[1] TRUE
as.data.frame()了数据框的名称，这样data.frame()会更好一些。
manual.coerce(x)可能unclass(as.data.frame(x))。
使用plyr对于这样的事情可能非常有用：
library("plyr")
alply(x,2)
$`1`
[1] 1 2 3 4 5
$`2`
[1] 6 7 8 9 10
attr(,"class")
[1] "split" "list"
我知道这是R中的恶心，我对此并没有太多的声誉，但是我发现for循环会更有效。我正在使用以下函数将矩阵矩阵转换为其列的列表：
mat2list <- function(mat)
{
list_length <- ncol(mat)
out_list <- vector("list", list_length)
for(i in 1:list_length) out_list[[i]] <- mat[,i]
out_list
}
与mdsummer和原始解决方案相比的快速基准测试：
x <- matrix(1:1e7, ncol=1e6)
system.time(mat2list(x))
user system elapsed
2.728 0.023 2.720
system.time(split(x, rep(1:ncol(x), each = nrow(x))))
user system elapsed
4.812 0.194 4.978
system.time(tapply(x,rep(1:ncol(x),each=nrow(x)),function(i)i))
user system elapsed
11.471 0.413 11.817
system.time( lapply(seq_len(ncol(x)), function(i) x[,i]) ) user: 1.668 system: 0.016 elapsed: 1.693
vec2 = castMatrixToSequenceOfLists(vecs);
新功能asplit()将在v3.6中以R为基础。直到那时，以类似@mdsumner的答案，我们也可以做
split(x, slice.index(x, MARGIN))
根据的文档asplit()。但是，如前所示，所有split()基于解决方案的解决方案都比@Tommy的解决方案慢得多lapply/`[`。asplit()至少以当前形式，这也适用于new 。
split_1 <- function(x) asplit(x, 2L)
split_2 <- function(x) split(x, rep(seq_len(ncol(x)), each = nrow(x)))
split_3 <- function(x) split(x, col(x))
split_4 <- function(x) split(x, slice.index(x, 2L))
split_5 <- function(x) lapply(seq_len(ncol(x)), function(i) x[, i])
dat <- matrix(rnorm(n = 1e6), ncol = 100)
#> Unit: milliseconds
#> expr min lq mean median uq max neval
#> split_1(dat) 16.250842 17.271092 20.26428 18.18286 20.185513 55.851237 100
#> split_2(dat) 52.975819 54.600901 60.94911 56.05520 60.249629 105.791117 100
#> split_3(dat) 32.793112 33.665121 40.98491 34.97580 39.409883 74.406772 100
#> split_4(dat) 37.998140 39.669480 46.85295 40.82559 45.342010 80.830705 100
#> split_5(dat) 2.622944 2.841834 3.47998 2.88914 4.422262 8.286883 100
dat <- matrix(rnorm(n = 1e6), ncol = 1e5)
#> Unit: milliseconds
#> expr min lq mean median uq max neval
#> split_1(dat) 204.69803 231.3023 261.6907 246.4927 289.5218 413.5386 100
#> split_2(dat) 229.38132 235.3153 253.3027 242.0433 259.2280 339.0016 100
#> split_3(dat) 208.29162 216.5506 234.2354 221.7152 235.3539 342.5918 100
#> split_4(dat) 214.43064 221.9247 240.7921 231.0895 246.2457 323.3709 100
#> split_5(dat) 89.83764 105.8272 127.1187 114.3563 143.8771 209.0670 100
array_tree()tidyverse的purrr程序包中有一个函数，可以最大限度地减少麻烦：
x <- matrix(1:10,ncol=2)
xlist <- purrr::array_tree(x, margin=2)
xlist
#> [[1]]
#> [1] 1 2 3 4 5
#>
#> [[2]]
#> [1] 6 7 8 9 10
用于margin=1逐行列出。适用于n维数组。默认情况下，它保留名称：
x <- matrix(1:10,ncol=2)
colnames(x) <- letters[1:2]
xlist <- purrr::array_tree(x, margin=2)
xlist
#> $a
#> [1] 1 2 3 4 5
#>
#> $b
#> [1] 6 7 8 9 10
（这是我回答的近字对字复制到类似的问题在这里）
在通过nabble.com可访问的Some R Help网站下，我找到：
c(unname(as.data.frame(x)))
作为有效的解决方案，在我的R v2.13.0中，安装看起来不错：
> y <- c(unname(as.data.frame(x)))
> y
[[1]]
[1] 1 2 3 4 5
[[2]]
[1] 6 7 8 9 10
不能说任何关于性能比较或它的干净程度；-)
c(as.data.frame(x))产生的行为与as.list(as.data.frame(x)
你可以使用apply，然后c用do.call
x <- matrix(1:10,ncol=2)
do.call(c, apply(x, 2, list))
#[[1]]
#[1] 1 2 3 4 5
#
#[[2]]
#[1] 6 7 8 9 10
当添加到矩阵中时，它将看起来像保留了列名。
colnames(x) <- c("a", "b")
do.call(c, apply(x, 2, list))
#$a
#[1] 1 2 3 4 5
#
#$b
#[1] 6 7 8 9 10
unlist(apply(x, 2, list), recursive = FALSE)
y <- vector("list", ncol(x))然后沿着的方向进行操作y[1:2] <- x[,1:2]，尽管它不能完全按照这种方式工作。
convertRowsToList {BBmisc}
将data.frame或矩阵的行（列）转换为列表。
BBmisc::convertColsToList(x)
参考：http : //berndbischl.github.io/BBmisc/man/convertRowsToList.html
在列数很小且恒定的情况下，我发现最快的选择是简单地对转换进行硬编码：
mat2list <- function (mat) lapply(1:2, function (i) mat[, i])
mat2list2 <- function (mat) list(mat[, 1], mat[, 2])
## Microbenchmark results; unit: microseconds
# expr min lq mean median uq max neval
## mat2list(x) 7.464 7.932 8.77091 8.398 8.864 29.390 100
## mat2list2(x) 1.400 1.867 2.48702 2.333 2.333 27.525 100