R 带参数的lappy函数，我想从带有循环的数据帧中选取参数

我对R还是很陌生，到目前为止还没有找到任何答案。很抱歉最后问你

带一个快速示例的版本： 我想计算一个基于南非数据的多维发展指数。 我的列表由每年的个人信息组成，因此基本上df1是关于第一年的，df2是关于第二年的

df1<-data.frame(var1=c(1, 1,1), var2=c(0,0,1), var3=c(1,1,0))
df2<-data.frame(var1=c(1, 0,1), var2=c(1,0,1), var3=c(0,1,0))
mylist <-list (df1,df2)

---

非常感谢你的帮助

好的，我不喜欢你的

mydf

名称，也不喜欢它有因子，所以我把它重命名为

args

，因为它有函数参数，我设置了

stringsafactors=F

：

args <- data.frame(set1=c("var1", "var2"), set2=c("var2", "var3"), stringsAsFactors = F)

然后我们可以像这样嵌套

lappy

：

lapply(mylist, function(m) lapply(args, myindex2, x = m))
# $df1
# $df1$set1
# [1] 4
#
# $df1$set2
# [1] 3
#
# 
# $df2
# $df2$set1
# [1] 4
#
# $df2$set2
# [1] 3

---

也许可以使用

mapply

，这对迭代多个参数很好？或者重写

fun

以期望

列表（arg1，arg2）

作为第二个参数？如果没有一个小的可重复的示例，没有几行

数据

，没有一个示例

mylist

，很难判断。似乎

pick\u values

并没有做任何有用的事情，似乎

lappy（data，pick\u values）

是

as.list（data）

的低效版本。谢谢Gregor的回答。我用一个简单的例子编辑了我的文本，使其更容易获取。好吧，要清楚的是，在

mydf

中有两列，在

mylist

中有两个数据框，所以您希望得到一个包含2*2=4个评估的列表？是的，确实如此！）您希望结果完全嵌套吗？例如，你可以有一个结果列表，它的结构是（a）

results=list（df1=list（set1，set2），df2=list（set1，set2））

，或者（b）

list（set1=list（df1，df2），set2=（df1，df2））

，或者（c）一个平面结构

list（df1_set1，df1_set2，df2_set2）

，再次感谢你，格雷戈，这真的很有帮助。也就是说，我不明白嵌套的lappy函数是如何工作的。我正在寻找关于这些嵌套函数的好教程！：）My outer apply将函数应用于

mylist

的每个项目。我应用什么功能？任意函数

函数（m）lappy（args，myindex2，x=m）

，注意内部

lappy

不适用于

m

，它应用于

args

的每个元素，并使用

m

的当前值作为参数。如果外部循环是

for（mylist中的m）{for（args中的a）{myindex2（x=m，d=a）}

，并且设置了一个方便的列表容器来捕获结果，那么这与嵌套for循环是相同的。非常感谢，这就是我最终设法弄明白的。但更好的是，如果解释得当：）你的尝试没有成功，因为没有筑巢。您有

lappy（mylist，FUN=myindex，…=lappy（mydf，pick_值））

，这相当于

a=lappy（mydf，pick_值）；对于（mylist中的m）{myindex（m，a）}

，和

a

只是将不同迭代中需要的所有参数集中在一起。

pick_values <-function(x){
    vect <-c()
    for(i in x){
    vect <- c(vect, i)
    }
    return(vect)
    }

lapply(mylist, myindex, lapply(mydf,pick_values))

args <- data.frame(set1=c("var1", "var2"), set2=c("var2", "var3"), stringsAsFactors = F)

myindex2 = function(x, d) {
    myindex(x, d[1], d[2])
}

lapply(mylist, function(m) lapply(args, myindex2, x = m))
# $df1
# $df1$set1
# [1] 4
#
# $df1$set2
# [1] 3
#
# 
# $df2
# $df2$set1
# [1] 4
#
# $df2$set2
# [1] 3