mylist = list(list(list(NULL, 2, 2), list(2, 3, NULL)), list(list(NULL, NULL, 2), list(NULL, 3, NULL)), list(list(2, 3, 2), list(NULL, 3, NULL)))
> mylist
[[1]]
[[1]][[1]]
[[1]][[1]][[1]]
NULL
[[1]][[1]][[2]]
[1] 2
[[1]][[1]][[3]]
[1] 2
[[1]][[2]]
[[1]][[2]][[1]]
[1] 2
[[1]][[2]][[2]]
[1] 3
[[1]][[2]][[3]]
NULL
[[2]]
[[2]][[1]]
[[2]][[1]][[1]]
NULL
[[2]][[1]][[2]]
NULL
[[2]][[1]][[3]]
[1] 2
[[2]][[2]]
[[2]][[2]][[1]]
NULL
[[2]][[2]][[2]]
[1] 3
[[2]][[2]][[3]]
NULL
[[3]]
[[3]][[1]]
[[3]][[1]][[1]]
[1] 2
[[3]][[1]][[2]]
[1] 3
[[3]][[1]][[3]]
[1] 2
[[3]][[2]]
[[3]][[2]][[1]]
NULL
[[3]][[2]][[2]]
[1] 3
[[3]][[2]][[3]]
NULL
mylist是一个列表对象，其中包含i = 3个列表。在每个i列表中，有j = 2个列表。在每个j列表中，都有k = 3个元素。
可以使用i, j, k对对象编制索引。例如，mylist[[1]][[1]][[1]] = NULL。
我有兴趣了解每个NULL层中每个k层内j的比例。
Stratum j = 1
j = 1和k = 1，NULL的比例是2/3，因为[[1]][[1]][[1]]和[[2]][[1]][[1]]是NULL。 j = 1和k = 2，NULL的比例为1/3，因为[[2]][[1]][[2]]为NULL。 j = 1和k = 3，NULL的比例为0. Stratum j = 2
j = 2和k = 1，NULL的比例是2/3，因为[[1]][[2]][[1]]和[[2]][[2]][[1]]是NULL。 j = 2和k = 2，NULL的比例为0 j = 2和k = 3，NULL的比例为1，因为[[1]][[2]][[3]]，[[2]][[2]][[3]]和[[3]][[2]][[3]]都是NULL }。 换句话说，我应该得到6个比例作为输出。是否有一种有效的方法来轻松访问这些列表元素而无需编写循环？我试过了apply(mylist, 2, function(x){sum(is.null(x))/length(x)})，但这似乎没有用。
答案 0 :(得分：2)
purrr提供了一些很好的实用程序来处理可以使这种任务更简单的列表。使用0.2.3，
library(purrr)
mylist = list(list(list(NULL, 2, 2), list(2, 3, NULL)),
list(list(NULL, NULL, 2), list(NULL, 3, NULL)),
list(list(2, 3, 2), list(NULL, 3, NULL)))
mylist %>%
transpose() %>% # flip each j element into an i element
modify_depth(-1, is.null) %>% # check if each leaf element is null
# for each grouped set of j elements, iterate in parallel over k elements to find proportion TRUE
map(pmap, ~sum(...) / length(c(...))) %>%
str() # print nicely
#> List of 2
#> $ :List of 3
#> ..$ : num 0.667
#> ..$ : num 0.333
#> ..$ : num 0
#> $ :List of 3
#> ..$ : num 0.667
#> ..$ : num 0
#> ..$ : num 1
也就是说，如果您的数据实际上是矩形的，最好将NULL值转换为NA，以便将其放入矩阵，data.frame或数组中，例如
mylist %>%
modify_depth(-1, ~.x %||% NA_real_) %>%
unlist() %>%
matrix(ncol = 3) %>%
is.na() %>%
{rowSums(.) / ncol(.)}
#> [1] 0.6666667 0.3333333 0.0000000 0.6666667 0.0000000 1.0000000
将它转换为整洁的data.frame是更多的工作，但一旦完成使操作变得非常简单：
library(tidyverse)
mydf <- mylist %>%
modify_depth(-1, ~.x %||% NA_real_) %>% # change NULL to NA
set_names(paste0('i', 1:3)) %>% # add names to become column names
modify_depth(2, flatten_dbl) %>% # flatten k values to vector
as_data_frame() %>%
mutate(j = row_number()) %>% # keep j index (which row each element is in)
unnest() %>% # expand
group_by(j) %>% mutate(k = row_number()) %>% # add k index
gather(i, value, i1:i3) %>% # reshape to long form
mutate(i = parse_number(i)) %>% # clean k values
select(i, j, k, value) %>% ungroup() # clean up
mydf %>% str()
#> Classes 'tbl_df', 'tbl' and 'data.frame': 18 obs. of 4 variables:
#> $ i : num 1 1 1 1 1 1 2 2 2 2 ...
#> $ j : int 1 1 1 2 2 2 1 1 1 2 ...
#> $ k : int 1 2 3 1 2 3 1 2 3 1 ...
#> $ value: num NA 2 2 2 3 NA NA NA 2 NA ...
mydf %>%
group_by(j, k) %>%
summarise(k_null = sum(is.na(value) / n()))
#> # A tibble: 6 x 3
#> # Groups: j [?]
#> j k k_null
#> <int> <int> <dbl>
#> 1 1 1 0.6666667
#> 2 1 2 0.3333333
#> 3 1 3 0.0000000
#> 4 2 1 0.6666667
#> 5 2 2 0.0000000
#> 6 2 3 1.0000000
如果您愿意，可以使用数组：
myarray <- mylist %>%
modify_depth(-1, ~.x %||% NA_real_) %>%
unlist() %>%
array(c(3, 2, 3))
myarray
#> , , 1
#>
#> [,1] [,2]
#> [1,] NA 2
#> [2,] 2 3
#> [3,] 2 NA
#>
#> , , 2
#>
#> [,1] [,2]
#> [1,] NA NA
#> [2,] NA 3
#> [3,] 2 NA
#>
#> , , 3
#>
#> [,1] [,2]
#> [1,] 2 NA
#> [2,] 3 3
#> [3,] 2 NA
apply(is.na(myarray), 1:2, function(x){sum(x) / length(x)})
#> [,1] [,2]
#> [1,] 0.6666667 0.6666667
#> [2,] 0.3333333 0.0000000
#> [3,] 0.0000000 1.0000000
答案 1 :(得分：0)
使用基础R：
test<-function(x)
{
count=sum(sapply(x,function(t)is.null(t)))
count/length(x)
}
sapply(1:2,function(t,mlist){
sapply(1:3,function(u,t,mlist){
test(
sapply(
sapply(mlist,"[[",t,simplify=F),
"[[",u,simplify=T)
)
},t,mlist)},
mylist,simplify = F)
#[[1]]
#[1] 0.6666667 0.3333333 0.0000000
#[[2]]
#[1] 0.6666667 0.0000000 1.0000000