R 通过组合所有数据帧中的类似条目，从列表中形成新的数据帧

我有一个列表，下面提供了许多数据帧示例

    G100=structure(list(Return.Period = structure(c(4L, 6L, 2L, 3L, 5L, 
        1L), .Label = c("100yrs", "10yrs", "20yrs", "2yrs", "50yrs", 
        "5yrs"), class = "factor"), X95..lower.CI = c(54.3488053692529, 
        73.33363378538, 84.0868168935697, 91.6191228597281, 96.3360349026068, 
        95.4278817251266), Estimate = c(61.6857930414643, 84.8210149260708, 
        101.483909733627, 118.735593472652, 143.33257990536, 163.806035490329
        ), X95..upper.CI = c(69.0227807136758, 96.3083960667617, 118.881002573685, 
        145.852064085577, 190.329124908114, 232.18418925553)), .Names = c("Return.Period", 
        "X95..lower.CI", "Estimate", "X95..upper.CI"), row.names = c(NA, 
        -6L), class = "data.frame")

G101<-G100 # just for illustration

mylist=list(G100,G101) # there 100 of these with differet codes

请注意，站点与mylist中的数据帧名称相同

对X95..lower.CI和X95..upper.CI执行相同的操作

因此，我将得到3个数据帧估计值，X95..lower.CIandX95..upper.CI。与上面的布局

#lapply, rbindlist,cbind and others can do but how?

---

请提供建议。

只需使用for循环添加名称即可。可能有一种奇特的应用方式，但for很容易使用、记住和理解

首先添加名称： 如前所述添加站点列： 组合数据帧： 因为您有很多数据帧或者它们相当大，所以使用dplyr:：rbind_all来提高速度。在base R中，do.callrbind可以使用mylist，但速度较慢

library(dplyr)
combined = bind_rows(mylist)

dplyr的旧版本可以使用rbind_all而不是bind_行，但这很快就会被弃用：

将估算和CI列从长列转换为宽列。 这对于tidyr来说很容易，但Reformate2:：dcast的工作原理类似：

library(tidyr)
Estimate = combined %>% select(SITE, Return.Period, Estimate) %>%
    spread(key = Return.Period, value = Estimate)
head(Estimate)
# Source: local data frame [2 x 7]
#
#   SITE  100yrs    10yrs    20yrs     2yrs    50yrs     5yrs
# 1 G100 163.806 101.4839 118.7356 61.68579 143.3326 84.82101
# 2 G101 163.806 101.4839 118.7356 61.68579 143.3326 84.82101    

Lower95 = combined %>% select(SITE, Return.Period, X95..lower.CI) %>%
    spread(key = Return.Period, value = X95..lower.CI)
head(Lower95)
# Source: local data frame [2 x 7]
#
#   SITE   100yrs    10yrs    20yrs     2yrs    50yrs     5yrs
# 1 G100 95.42788 84.08682 91.61912 54.34881 96.33603 73.33363
# 2 G101 95.42788 84.08682 91.61912 54.34881 96.33603 73.33363

您可能希望按非字母顺序对列重新排序

对“`X95..upper.CI”执行相同的操作

仍然留给读者作为练习。

如果我在mylist上使用上面的循环，数据帧将标记为[[1]]和[[2]]，但我需要[[G100]]和[[G101]]。记住，我有超过100个这样的文件。其次，不要只是按照您的建议组合数据帧，而是估计X95..lower.CI和X95..upper.CI最终数据帧应该按照上面的安排。基本上，我想转到每个数据帧，为了进行估算，提取X2yrs X5yrs X10yrs X20yrs X50yrs X100yrs并形成一个表，如上图所示。对X95..lower.CI和X95..upper.CI执行相同的操作。我的结果将是3个数据帧。

for (i in seq_along(mylist)) {
    mylist[[i]]$SITE = names(mylist)[i]
}

library(dplyr)
combined = bind_rows(mylist)

library(tidyr)
Estimate = combined %>% select(SITE, Return.Period, Estimate) %>%
    spread(key = Return.Period, value = Estimate)
head(Estimate)
# Source: local data frame [2 x 7]
#
#   SITE  100yrs    10yrs    20yrs     2yrs    50yrs     5yrs
# 1 G100 163.806 101.4839 118.7356 61.68579 143.3326 84.82101
# 2 G101 163.806 101.4839 118.7356 61.68579 143.3326 84.82101    

Lower95 = combined %>% select(SITE, Return.Period, X95..lower.CI) %>%
    spread(key = Return.Period, value = X95..lower.CI)
head(Lower95)
# Source: local data frame [2 x 7]
#
#   SITE   100yrs    10yrs    20yrs     2yrs    50yrs     5yrs
# 1 G100 95.42788 84.08682 91.61912 54.34881 96.33603 73.33363
# 2 G101 95.42788 84.08682 91.61912 54.34881 96.33603 73.33363