使用列表简化R中的代码 背景：

大家好

我希望你能帮助我将我的理解和代码提升到一个新的水平。我正试着将我的头脑集中在列表上，它们的优点，并使用它们来减少冗余代码。虽然我在网上读了很多关于列表和应用族的信息，但我仍然不知道如何在日常工作中实施

这是一种我认为可以大大简化的情况——这是我经常编写的代码类型，我希望用更简洁的格式来替换它

例子： 让我们假设整个

mtcars

数据是针对一个观察年，比如2018年。让我们假设每年都有2000年的数据。现在有了“18”个mtcars data.frames，其中有一个年份列，表示年份，我们将18个观测值按行绑定到单个data.frames中。这是我现在处理的数据类型的一个示例。按年份分开的观察结果

data <- mtcars %>%
group_by(date) %>%
  mutate(rank = dense_rank(desc(mpg))
         ))

并将每个秩组的输出存储到一个列表中，然后在ggplot中绘制所有这些列表

---

任何帮助或建议都将不胜感激，我正在努力改进我的比赛

学习以整洁的方式处理列表和列表列可能有点复杂。我非常推荐珍妮·布莱恩的

purr

。在这里，您试图避免多次对

年份

、

档位

和

等级

的不同值进行

筛选。有几个步骤：

找出如何获得所需值的所有组合。我们在这里使用
purrr:：cross_df
实现这一点，这是获取变量组合的一种非常方便的方法
实际运行每个组合的操作。因为我们的数据现在已经被很好地设置为每一行都是一组输入，所以我们可以使用
pmap
将每个过滤后的数据集存储为一个列表元素。根据我们想要的绘图，我们可以使用其他工具，如
unest
，将数据转换为我们想要绘图的格式
我希望这可以说明，一般来说，如果你意识到你做了太多的事情，基本上有两个步骤；创建一个或多个可迭代的列表，并使用
map
函数将所需操作应用于每个列表元素

库（tidyverse）
数据%
绑定行(
mtcars%>%突变（年份=2005），
mtcars%>%突变（2006年）
) %>% 
组别(年份)%>%
变异（秩=密集秩（描述（mpg）））
组合%
变异(
rank_range=map（开始，~.x:（.x+4）），
过滤=pmap(
.l=列表（年份、档位、等级范围），
.f=~数据%>%
过滤器（档位==…2，年份==…1）%>%
过滤器（在%中排名%3）
)
)
#>#A tible:120 x 5
#>年份档位开始档位范围已过滤
#>                       
#>  1  2005     3     1   
#>  2  2006     3     1   
#>  3  2005     4     1   
#>  4  2006     4     1   
#>  5  2005     5     1   
#>  6  2006     5     1   
#>  7  2005     3     6   
#>  8  2006     3     6   
#>  9  2005     4     6   
#> 10  2006     4     6   
#> # ... 还有110行

由（v0.2.0）于2018年5月14日创建。
您所问的问题非常广泛，即，总体而言，如何减少代码的冗余？在过滤的特定情况下，我的策略是创建“助手”数据帧，这些数据帧可以连接到主数据帧。例如，您可能有一个包含列
year
、
min
和
max
的数据框，按“年”将其连接到
mtcars
，然后
filter（mtcars，year>=min&year）您应该查找拆分而不是筛选的函数。
    data %>% 
filter(gear == 4, date == '2005') %>%
filter(rank %in% seq(1, 100, by = 5))