R 如何在列表上围绕两个lappy调用对循环进行矢量化

我有一个包含两个元素的列表。第一个元素是向量，而第二个元素是列表。对于第二个元素，每个项目都对应于主列表第一个元素中的项目。最好看看这个例子：

我有一份清单：

mylist  = list(c("w","x","y","z"),
             list(
                 c("a", "b"),
                 c("c"),
                 c("a", "c", "b"),
                 c("d","a","e"))
            )

这就是我想要的：

 want = list(list("a",c("w","y","z")),
             list("b",c("w","y")),
             list("c",c("x","y")),
             list("d",c("z")),
             list("e",c("z"))
            )

这就是我如何正确地使用暴力强制解决方案：

codes.vec =unique(unlist(list(mylist[[2]])))

new.list=NULL
for(i in 1:5){
   new.list[[i]] = list(codes.vec[i],
                        mylist[[1]][as.logical(unlist(lapply(lapply(mylist[[2]],function(x) 
   stri_detect_fixed(x,codes.vec[i])),sum)))]
                    )
} 

如何将其矢量化以避免循环？我想不出来，但我试图包装另一个*apply（）函数，但我一直在得到有关FUN.VALUE的错误。对于我的真实数据，目前需要15分钟来解决这个问题，这是不切实际的

注意：如果有帮助的话，我的申请是我有人口普查数据，我知道每个街区组（全部或部分）所属的所有ZCTA5代码（邮政编码）。我想颠覆这个想法，在每个ZCTA5中获得块组。简单地说，我想从知道块组“w”在ZCTA5“a”和“b”中开始，让ZCTA代码“a”有块组：“w”、“y”、“z”，而ZCTA5代码“b”有块组：“w”和“y”

非常感谢您的帮助，谢谢

---

编辑：变量命名不好

这里有一个使用

Map

的解决方案：

df$a
#>[1]“w”“y”“z”
#> 
#>b美元
#>[1]“w”“y”
#> 
#>$c
#>[1]“x”“y”
#> 
#>美元
#>[1]“z”
#> 
#>$e
#>[1]“z”

我们可以从

purr

library(stringr)
library(dplyr)
library(tidyr)
library(purrr)
# // transpose the list
purrr::transpose(list) %>% 
      # // loop over the list elements and do a crossing
      map_dfr(~ crossing(!!! .) %>%
      # // set the names of the columns
      set_names(str_c('a', seq_along(.)))) %>%
      # // split the first column by the second
      with(., split(a1, a2))
#$a
#[1] "w" "y" "z"

#$b
#[1] "w" "y"

#$c
#[1] "x" "y"

#$d
#[1] "z"

#$e
#[1] "z"

---

您正在寻找的是-忽略apply族

unstack(stack(setNames(mylist[[2]], mylist[[1]])),ind~values)
$a
[1] "w" "y" "z"

$b
[1] "w" "y"

$c
[1] "x" "y"

$d
[1] "z"

$e
[1] "z"

---

也许简洁的版本是

unname（Map（list，lst[[1]]，lst[[2]]）

？@ThomasIsCoding，我从变量中删除了名称，因为它们只是一个问题。在主体部分中，我用名称来引用它们，但示例足够简短，可以保留没有名称的逻辑。我会试试你的主意。谢谢。@ThomasDevine我已经更新了。我想也许这样索引结果会更容易use@AllanCameron，这个有效，比我的速度快了300倍。非常感谢你！我试过使用rbind，但我不认为使用map函数有完美的意义。这是迄今为止在我的实际数据上使用的最快的，非常感谢。