R从数据帧生成命名列表

我有一个条件数据框架：

df <- data.frame(Gender=c("Male", "Female", "Other"), AgeCat=c("young", "adult", "old"))
df
  Gender AgeCat
1   Male  young
2 Female  adult
3  Other    old

编辑 我意识到我想展示一个太简单的例子。 我实际上想要得到的是一个数据帧（或一个可以转换为数据帧或矩阵的列表），如下所示：

    Conditions Individuals Mean_Height
1   Male_young           2       129.5
2 Female_adult           3    185.3333
3    Other_old           0           .

编辑2 我一直坚持这种方法，但我不确定它是否非常有效：

df[c("Conditions", "Individuals", "Mean_Height")] <- t(
        mapply(
            function(X, Y, Z){
                sub_df <- subset(X, Gender==Y & AgeCat==Z)
                c(paste(Y, Z, sep="_"), nrow(sub_df), colMeans(sub_df$Height))
            },
            master,
            df$Gender,
            df$AgeCat
        )
    )

df[c（“条件”、“个体”、“平均身高”）]
library（tidyverse）
df%
变异_if（is.factor，as.character）
大师%
变异_if（is.factor，as.character）
连接列表%semi_连接（df），主节点=主节点）

这将产生一个数据帧列表：

$`1`
  Country Gender AgeCat Height
1      US   Male  young    134
2      US   Male  young    125

$`2`
  Country Gender AgeCat Height
1     SPN Female  adult    189
2     MEX Female  adult    176
3     ARG Female  adult    191

$`3`
[1] Country Gender  AgeCat  Height 
<0 rows> (or 0-length row.names)

$`1`
国家性别年龄猫身高
1美国男青年134
2美国男青年125
$`2`
国家性别年龄猫身高
1 SPN成年女性189
2兆欧女性成人176
3 ARG成年女性191
$`3`
[1] 国家性别年龄猫身高
（或长度为0的行名称）
我正在回答您的第一个问题，然后我会考虑您的编辑。我会用一种方式，使用和

df%
完成（AgeCat、嵌套（国家、性别）、填充=列表（高度=NA））%>%
按性别、年龄划分的组百分比>
巢
鸟巢%
过滤器（！is.na（国家））%>%
选择（国家、性别、年龄、身高）
}) %>% 
set_name（，nm=sprintf（“%s_%s”，pre$Gender，pre$AgeCat））
#>$女性(成人)
#>#tibble:3 x 4
#>国家性别年龄猫身高
#>           
#>1 ARG成年女性191
#>2兆欧女性成人176
#>3 SPN成年女性189
#> 
#>$Male_成人
#>#A tibble:2 x 4
#>国家性别年龄猫身高
#>           
#>1名男性成人
#>2名美国成年男性
#> 
#>$Other_成人
#>#tibble:0 x 4
#>#…有4个变量：国家、性别、年龄、身高
#> 
#>$女/岁
#>#tibble:3 x 4
#>国家性别年龄猫身高
#>           
#>1名ARG女性老年人
#>2兆欧女性老年人
#>3 SPN女性老年人
#> 
#>$Male_old
#>#A tibble:2 x 4
#>国家性别年龄猫身高
#>           
#>1男169岁
#>2岁美国男性
#> 
#>$Other_old
#>#tibble:0 x 4
#>#…有4个变量：国家、性别、年龄、身高
#> 
#>$Female_young
#>#tibble:3 x 4
#>国家性别年龄猫身高
#>           
#>1名ARG女性青年
#>2兆欧女性青年
#>3 SPN女青年
#> 
#>$Male_young
#>#tibble:3 x 4
#>国家性别年龄猫身高
#>           
#>1名男青年
#>2美国男青年134
#>3美国男青年125
#> 
#>$Other_young
#>#tibble:0 x 4
#>#…有4个变量：国家、性别、年龄、身高

由（v0.3.0）于2020年2月20日创建

编辑：包含所有问题的新答案

pre%
不稳定（%）%>%
变异（高度=数值（高度））%>%
绑定行（，df）%>%
完成（AgeCat、嵌套（国家、性别）、填充=列表（高度=NA））%>%
按性别、年龄划分的组百分比>
巢
鸟巢%
选择（国家、性别、年龄、身高）
}) %>% 
设置\u名称（，nm=sprintf（“%s\u%s”，前$Gender，前$AgeCat））%>%
绑定行（，.id=“条件”）
计数%
计数（条件，name=“个人”）
DF%>%
分组依据（条件）%>%
过滤器（！is.na（高度））%>%
总结（平均高度=平均高度，na.rm=T））%>%
左联合（，计数）%>%
选择（条件、个体、平均身高）
#>通过=“条件”连接
#>#tibble:3 x 3
#>条件个人平均身高
#>                        
#>1名成年女性3 185。
#>2男2岁169
#>3男吴扬3130。

由（v0.3.0）于2020年2月20日创建

EDIT2：为了显示本例中的个体数量，我对生成的df做了一些细微的更改。由于NA的平均值不存在，因此返回NaN

pre%
不稳定（%）%>%
变异（高度=数值（高度））%>%
绑定行（，df）%>%
完成（AgeCat、嵌套（国家、性别）、填充=列表（高度=NA））%>%
按性别、年龄划分的组百分比>
巢
鸟巢%
选择（国家、性别、年龄、身高）
}) %>% 
设置\u名称（，nm=sprintf（“%s\u%s”，前$Gender，前$AgeCat））%>%
绑定行（，.id=“条件”）
DF%>%
分组依据（条件）%>%
当（为.na（高度）~0时，突变（N=情况_），
真~1））%>%
总结（个体=总和（N），平均身高=平均身高（na.rm=T））
#>#tibble:6 x 3
#>条件个人平均身高
#>                        
#>1名成年女性3 185。
#>2女_老0南
#>3女_young 0楠
#>4男_成人0男
#>5男11岁169
#>6男2 130。

由（v0.3.0）于2020年2月20日创建，您真的想要这个吗

master <- data.frame(Country=c("US", "US", "ENG", "SPN", "MEX", "ARG"), Gender=c("Male", "Male", "Male", "Female", "Female", "Female"), AgeCat=c("young", "young", "old", "adult", "adult", "adult"), Height=c("134", "125", "169", "189", "176", "191"), stringsAsFactors = FALSE)

df <- data.frame(Gender=c("Male", "Female", "Other"), AgeCat=c("young", "adult", "old"), stringsAsFactors = FALSE)

master %>%
    group_by(Gender, AgeCat) %>%
    summarise(mean(as.numeric(Height))) %>%
    full_join(df)

master%
总结（平均值（如数字（高度））%>%
完全联接（df）

导致

  Gender AgeCat `mean(as.numeric(Height))`
  <chr>  <chr>                       <dbl>
1 Female adult                        185.
2 Male   old                          169 
3 Male   young                        130.
4 Other  old                           NA 

Gender AgeCat`平均值（如数字（高度））`
1名成年女性185名。
2男169岁
3男青年130人。
4其他旧NA
你可以使用
合并
你能在编辑时显示你的预期输出吗，那国家就不重要了，对吧？谢谢你的回答。我不确定在哪里可以用你的代码进行一些计算（见我的编辑）。@u31889我添加了另一个答案。让我知道，如果其中一个是你想要的。然后我会删除另一个。谢谢。我认为这几乎是可行的与我的编辑2虽然。谢谢。然而，我需要先掌握子集，然后计算这个子集。
$`1`
  Country Gender AgeCat Height
1      US   Male  young    134
2      US   Male  young    125

$`2`
  Country Gender AgeCat Height
1     SPN Female  adult    189
2     MEX Female  adult    176
3     ARG Female  adult    191

$`3`
[1] Country Gender  AgeCat  Height 
<0 rows> (or 0-length row.names)

master <- data.frame(Country=c("US", "US", "ENG", "SPN", "MEX", "ARG"), Gender=c("Male", "Male", "Male", "Female", "Female", "Female"), AgeCat=c("young", "young", "old", "adult", "adult", "adult"), Height=c("134", "125", "169", "189", "176", "191"), stringsAsFactors = FALSE)

df <- data.frame(Gender=c("Male", "Female", "Other"), AgeCat=c("young", "adult", "old"), stringsAsFactors = FALSE)

master %>%
    group_by(Gender, AgeCat) %>%
    summarise(mean(as.numeric(Height))) %>%
    full_join(df)

  Gender AgeCat `mean(as.numeric(Height))`
  <chr>  <chr>                       <dbl>
1 Female adult                        185.
2 Male   old                          169 
3 Male   young                        130.
4 Other  old                           NA