R 使用具有多个功能输入的Lappy，无需嵌套

我有一个数据框，有四列：两列表示参加了一项运动，而另外两列表示运动员是否通过了两次体能测试

dat <- data.frame(SOCCER = sample(0:1, 10, replace = T),
                  BASEBALL = sample(0:1, 10, replace = T),
                  TEST_1_PASS = sample(0:1, 10, replace = T),
                  TEST_2_PASS = sample(0:1, 10, replace = T))

我想获得一份包含每项运动和考试的列联表的列表。我知道我可以使用下面的代码来实现这一点，它使用嵌套的Lappy语句，但这让我觉得效率很低。有人能提出一个不使用嵌套的更优雅的解决方案吗

results <- lapply(c("SOCCER", "BASEBALL"), function(x) {
  lapply(c("TEST_1_PASS", "TEST_2_PASS"), function(y){
    table(sport = dat[[x]], pass = dat[[y]])
  })
})

一如既往地谢谢你

double-lappy获取每个列向量中的所有列的成对组合，就像在注释中写的那样

---

我不认为你的筑巢是低效的。。。你需要叫4号桌 时代。它是否在一个循环/重叠中并不重要 4个项目或2个嵌套循环/套圈，每个项目2个

但这里有另一种方法，其中一个循环伪装成expand.grid

double-lappy获取每个列向量中的所有列的成对组合，就像在注释中写的那样

---

我不认为你的筑巢是低效的。。。你需要叫4号桌 时代。它是否在一个循环/重叠中并不重要 4个项目或2个嵌套循环/套圈，每个项目2个

但这里有另一种方法，其中一个循环伪装成expand.grid

---

考虑将数据重新格式化为长格式，即合并sport和exam的两个数据段，然后由apply家族中很少使用的成员作为面向对象的包装器运行，以tapply为这两个数据段之间的所有子集组合返回一个命名的结果标题报告：

# RESHAPE EACH DATA SECTION (SPORT AND EXAM) INTO LONG FORMAT
df_list <- lapply(list(c("SOCCER", "BASEBALL"), c("TEST_1_PASS", "TEST_2_PASS")), function(cols)
                   reshape(cbind(PLAYER = row.names(dat), dat[cols]), 
                           varying = cols, v.names = "VALUE", 
                           times = cols, timevar = "INDICATOR", 
                           idvar = "PLAYER", ids = NULL,
                           new.row.names = 1:1E4, direction = "long")
           )

# CROSS JOIN (ALL COMBINATION PAIRINGS)
final_df <- Reduce(function(x,y) merge(x, y, by="PLAYER", suffixes=c("_SPORT", "_EXAM")), df_list)
final_df

# RUN TABLES FOR EACH SUBSET COMBINATION
tables_list <- with(final_df, by(final_df, list(INDICATOR_SPORT, INDICATOR_EXAM), function(sub)
                                  table(sport = sub$VALUE_SPORT, pass = sub$VALUE_EXAM)
                                )
                   )    

---

考虑将数据重新格式化为长格式，即合并sport和exam的两个数据段，然后由apply家族中很少使用的成员作为面向对象的包装器运行，以tapply为这两个数据段之间的所有子集组合返回一个命名的结果标题报告：

# RESHAPE EACH DATA SECTION (SPORT AND EXAM) INTO LONG FORMAT
df_list <- lapply(list(c("SOCCER", "BASEBALL"), c("TEST_1_PASS", "TEST_2_PASS")), function(cols)
                   reshape(cbind(PLAYER = row.names(dat), dat[cols]), 
                           varying = cols, v.names = "VALUE", 
                           times = cols, timevar = "INDICATOR", 
                           idvar = "PLAYER", ids = NULL,
                           new.row.names = 1:1E4, direction = "long")
           )

# CROSS JOIN (ALL COMBINATION PAIRINGS)
final_df <- Reduce(function(x,y) merge(x, y, by="PLAYER", suffixes=c("_SPORT", "_EXAM")), df_list)
final_df

# RUN TABLES FOR EACH SUBSET COMBINATION
tables_list <- with(final_df, by(final_df, list(INDICATOR_SPORT, INDICATOR_EXAM), function(sub)
                                  table(sport = sub$VALUE_SPORT, pass = sub$VALUE_EXAM)
                                )
                   )    

---

你一定要连续性表还是每项运动的平均成功率和成功次数？特别是列联表。需要他们来做一大堆费舍尔测试。那么，球员指标在哪里？请按建议输出实际数据：。我不认为您的嵌套效率低下。。。你需要给桌子打4次电话。如果在一个循环/lapply中包含4个项目，或者在两个嵌套循环/lapply中分别包含2个项目，那么这并不重要。如果切换到purr，您可以稍微清理一下语法，例如，将~用于匿名函数，并且使用purr:：map而不是lappy，可以在结果列表中获得更好的名称，但基本上是一样的。你一定要连续表还是每项运动成功的平均数和数量？特别是列联表。需要他们来做一大堆费舍尔测试。那么，球员指标在哪里？请按建议输出实际数据：。我不认为您的嵌套效率低下。。。你需要给桌子打4次电话。如果在一个循环/lapply中包含4个项目，或者在两个嵌套循环/lapply中分别包含2个项目，那么这并不重要。如果切换到purr，您可以稍微清理一下语法，例如，将~用于匿名函数，并且使用purr:：map而不是lappy，可以在结果列表中获得更好的名称，但基本上是一样的。我想你也可以做do.callMap，cf=function。。。表DAT[c..]，cols@akrun美好的发帖作为回答？与我的答案不同，这些表都有名称。这只是对你的答案稍加修改。我想你也可以这样做。callMap，cf=function。。。表DAT[c..]，cols@akrun美好的发帖作为回答？与我的答案不同，这些表格都有名字。这只是对你的答案的一点修改。

tables_list

# : BASEBALL
# : TEST_1_PASS
#      pass
# sport 0 1
#     0 3 4
#     1 2 1
# ------------------------------------------------------------ 
# : SOCCER
# : TEST_1_PASS
#      pass
# sport 0 1
#     0 2 0
#     1 3 5
# ------------------------------------------------------------ 
# : BASEBALL
# : TEST_2_PASS
#      pass
# sport 0 1
#     0 3 4
#     1 1 2
# ------------------------------------------------------------ 
# : SOCCER
# : TEST_2_PASS
#      pass
# sport 0 1
#     0 2 0
#     1 2 6