R 一个列表的元素作为作用于另一个列表的函数的参数

我有一个数据帧列表，其中每个数据帧都是相似的（具有相同名称的相同列），但包含关于不同的相关“事物”（例如，花的种类）的信息。我需要一种优雅的方法，使用函数

cut（）

将所有这些数据帧中的一列从连续重新分类为分类。问题是每个“东西”（花）都有不同的切点，会使用不同的标签

我甚至把切点和标签放在一个单独的列表中。如果我们遵循我的假例子，它基本上是这样的：

iris <- iris 
peony <- iris  #pretending that this is actually different data!
flowers <- list(iris = iris, peony = peony)

params <- list(iris_param = list(cutpoints = c(1, 4.5),
                             labels = c("low", "medium", "high")),

           peony_param = list(cutpoints = c(1.5, 2.5, 5),
                              labels = c("too_low", "kinda_low", "okay", "just_right")))

#And we want to cut 'Sepal.Width' on both peony and iris

---

iris我认为现在是
for
循环的好时机。写得简单明了：

for (petal in seq_along(flowers)) {
    flowers[[petal]]$Sepal.Width.Cut = cut(
        x = flowers[[petal]]$Sepal.Width,
        breaks = c(-Inf, params[[petal]]$cutpoints, Inf),
        labels = params[[petal]]$labels
    )
}

注意，（a）我必须增加你的休息时间，以使
cut
对标签的长度感到满意，（b）实际上我只是在重复1,2。更健壮的版本可能会迭代列表的名称，并且作为安全检查，需要
params
列表具有相同的名称。由于列表的名称不同，我只使用了索引

这可能可以使用
mapply
实现。我看不出这样做有什么好处-除非你已经习惯了
mappy
，唯一真正的区别是
mappy
版本的编写时间要长10倍。
我认为这是
for
循环的好时机。写得简单明了：

for (petal in seq_along(flowers)) {
    flowers[[petal]]$Sepal.Width.Cut = cut(
        x = flowers[[petal]]$Sepal.Width,
        breaks = c(-Inf, params[[petal]]$cutpoints, Inf),
        labels = params[[petal]]$labels
    )
}

注意，（a）我必须增加你的休息时间，以使
cut
对标签的长度感到满意，（b）实际上我只是在重复1,2。更健壮的版本可能会迭代列表的名称，并且作为安全检查，需要
params
列表具有相同的名称。由于列表的名称不同，我只使用了索引

这可能可以使用
mapply
实现。我看不出这样做有什么好处-除非你已经习惯了
mappy
，唯一真正的区别是
mappy
版本将花费你10倍的时间来编写。
我喜欢Gregor的解决方案，但我可能会堆叠数据：

library(data.table)

# rearrange parameters
params0 = setNames(params, c("iris", "peony"))
my_params = c(list(.id = names(params0)), do.call(Map, c(list, params0)))

# stack
DT = rbindlist(flowers, id = TRUE)

# merge and make cuts
DT[my_params, Sepal.Width.Cut := 
  cut(Sepal.Width, breaks = c(-Inf,cutpoints[[1]],Inf), labels = labels[[1]])
, on=".id", by=.EACHI]

（我借用了格雷戈对切点的翻译。）结果是：

       .id Sepal.Length Sepal.Width Petal.Length Petal.Width   Species Sepal.Width.Cut
  1:  iris          5.1         3.5          1.4         0.2    setosa       kinda_low
  2:  iris          4.9         3.0          1.4         0.2    setosa       kinda_low
  3:  iris          4.7         3.2          1.3         0.2    setosa       kinda_low
  4:  iris          4.6         3.1          1.5         0.2    setosa       kinda_low
  5:  iris          5.0         3.6          1.4         0.2    setosa       kinda_low
 ---                                                                                  
296: peony          6.7         3.0          5.2         2.3 virginica            okay
297: peony          6.3         2.5          5.0         1.9 virginica       kinda_low
298: peony          6.5         3.0          5.2         2.0 virginica            okay
299: peony          6.2         3.4          5.4         2.3 virginica            okay
300: peony          5.9         3.0          5.1         1.8 virginica            okay

我认为堆叠的数据通常比数据帧列表更有意义。您不需要使用data.table来堆叠或进行切割，但它的设计非常适合这些任务


它是如何工作的

我想，
rbindlist
很清楚

代码

DT[my_params, on = ".id"]

进行合并。要了解这意味着什么，请查看：

as.data.table(my_params)
#      .id   cutpoints                            labels
# 1:  iris     1.0,4.5                   low,medium,high
# 2: peony 1.5,2.5,5.0 too_low,kinda_low,okay,just_right

因此，我们正在通过公共
.id
列将此表与
DT
合并

当我们像这样合并时

DT[my_params, j, on = ".id", by=.EACHI]

这意味着


执行合并，将
my_params
的每一行与
DT
的相关行匹配
使用两个表中的任一列，对
my_params
的每一行执行
j

在这种情况下，
j
的形式是
column\u for_DT:=cut（…）
，它在
DT
中创建了一个新列

我喜欢Gregor的解决方案，但我可能会堆叠数据：

library(data.table)

# rearrange parameters
params0 = setNames(params, c("iris", "peony"))
my_params = c(list(.id = names(params0)), do.call(Map, c(list, params0)))

# stack
DT = rbindlist(flowers, id = TRUE)

# merge and make cuts
DT[my_params, Sepal.Width.Cut := 
  cut(Sepal.Width, breaks = c(-Inf,cutpoints[[1]],Inf), labels = labels[[1]])
, on=".id", by=.EACHI]

（我借用了格雷戈对切点的翻译。）结果是：

       .id Sepal.Length Sepal.Width Petal.Length Petal.Width   Species Sepal.Width.Cut
  1:  iris          5.1         3.5          1.4         0.2    setosa       kinda_low
  2:  iris          4.9         3.0          1.4         0.2    setosa       kinda_low
  3:  iris          4.7         3.2          1.3         0.2    setosa       kinda_low
  4:  iris          4.6         3.1          1.5         0.2    setosa       kinda_low
  5:  iris          5.0         3.6          1.4         0.2    setosa       kinda_low
 ---                                                                                  
296: peony          6.7         3.0          5.2         2.3 virginica            okay
297: peony          6.3         2.5          5.0         1.9 virginica       kinda_low
298: peony          6.5         3.0          5.2         2.0 virginica            okay
299: peony          6.2         3.4          5.4         2.3 virginica            okay
300: peony          5.9         3.0          5.1         1.8 virginica            okay

我认为堆叠的数据通常比数据帧列表更有意义。您不需要使用data.table来堆叠或进行切割，但它的设计非常适合这些任务


它是如何工作的

我想，
rbindlist
很清楚

代码

DT[my_params, on = ".id"]

进行合并。要了解这意味着什么，请查看：

as.data.table(my_params)
#      .id   cutpoints                            labels
# 1:  iris     1.0,4.5                   low,medium,high
# 2: peony 1.5,2.5,5.0 too_low,kinda_low,okay,just_right

因此，我们正在通过公共
.id
列将此表与
DT
合并

当我们像这样合并时

DT[my_params, j, on = ".id", by=.EACHI]

这意味着


执行合并，将
my_params
的每一行与
DT
的相关行匹配
使用两个表中的任一列，对
my_params
的每一行执行
j

在这种情况下，
j
的形式是
column\u for_DT:=cut（…）
，它在
DT
中创建了一个新列

Is
iris Use
mappy
或a
for
循环。Is
iris Use
mappy
或a
for
循环。我将研究如何使用名称-在我的真实数据中，列表元素的名称是相同的。我一直在避免循环，因为人们似乎讨厌R中的循环，但这是一个非常明确的解决方案。谢谢For循环确实很好，只要您避免其他有时会伴随它们而来的坏习惯（在循环中增加对象，而不是预先分配，可用时不使用矢量化）。我建议阅读。我将研究如何使用这些名称——在我的真实数据中，列表中元素的名称是相同的。我一直在避免循环，因为人们似乎讨厌R中的循环，但这是一个非常明确的解决方案。谢谢For循环确实很好，只要您避免其他有时会伴随它们而来的坏习惯（在循环中增加对象，而不是预先分配，可用时不使用矢量化）。我建议你读书。