在列表中拆分數據框

Question

我想知道如何拆分列表中包含的幾個數據幀。 我有一個包含200個數據框的列表，每個數據框包含兩列，即價格和數量。 我想將其拆分為一個價格為200 df的列表，另一個價格為200 df的列表。

謝謝

Answer 1

您正在尋找purrr::transpose ：

set.seed(1)
your_list <- list(data.frame(Price = sample(10,2),Volume = sample(10,2)),
                  data.frame(Price = sample(10,2),Volume = sample(10,2)),
                  data.frame(Price = sample(10,2),Volume = sample(10,2)))
str(your_list)
#> List of 3
#>  $ :'data.frame':    2 obs. of  2 variables:
#>   ..$ Price : int [1:2] 3 4
#>   ..$ Volume: int [1:2] 6 9
#>  $ :'data.frame':    2 obs. of  2 variables:
#>   ..$ Price : int [1:2] 3 9
#>   ..$ Volume: int [1:2] 10 6
#>  $ :'data.frame':    2 obs. of  2 variables:
#>   ..$ Price : int [1:2] 7 1
#>   ..$ Volume: int [1:2] 3 2
str(purrr::transpose(your_list))
#> List of 2
#>  $ Price :List of 3
#>   ..$ : int [1:2] 3 4
#>   ..$ : int [1:2] 3 9
#>   ..$ : int [1:2] 7 1
#>  $ Volume:List of 3
#>   ..$ : int [1:2] 6 9
#>   ..$ : int [1:2] 10 6
#>   ..$ : int [1:2] 3 2

Answer 2

另一種方法，僅使用base R 由Moody_Mudskipper對答案中的數據集進行了測試。

lapply(your_list, '[[', "Price")
lapply(your_list, '[[', "Volume")

編輯。
就像Moody_Mudskipper在評論中說的那樣，為了完全回答這個問題，我應該使用'['而不是'[[' 。 后者返回向量 ，前者返回sub-data.frames 。 OP要求“一個價格為200 df的列表，另一個價格為200 df的列表”。

lapply(your_list, '[', "Price")
#[[1]]
#  Price
#1     3
#2     4
#
#[[2]]
#  Price
#1     3
#2     9
#
#[[3]]
#  Price
#1     7
#2     1
lapply(your_list, '[', "Volume")
# output ommited

Answer 3

為此， purrr有一個簡潔的功能

數據

set.seed(1)
your_list <- list(data.frame(Price = sample(10,2),Volume = sample(10,2)),
     data.frame(Price = sample(10,2),Volume = sample(10,2)),
     data.frame(Price = sample(10,2),Volume = sample(10,2)))
# [[1]]
#   Price Volume
# 1     3      6
# 2     4      9
# 
# [[2]]
#   Price Volume
# 1     3     10
# 2     9      6
# 
# [[3]]
#   Price Volume
# 1     7      3
# 2     1      2

結果

library(purrr)
map(your_list,"Price")
# [[1]]
# [1] 3 4
# 
# [[2]]
# [1] 3 9
# 
# [[3]]
# [1] 7 1

map(your_list,"Volume")
# [[1]]
# [1] 6 9
# 
# [[2]]
# [1] 10  6
# 
# [[3]]
# [1] 3 2