拆分列表中的数据帧

时间:2017-09-21 16:30:17

标签: r list dataframe xts

我想知道如何拆分列表中包含的几个数据帧。 我有一个包含200个数据框的列表,每个数据框包含两列,Price和Volume。我想拆分它,并有一个200 df的价格列表和另一个200 df的列表。

由于

3 个答案:

答案 0 :(得分:2)

您正在寻找purrr::transpose

set.seed(1)
your_list <- list(data.frame(Price = sample(10,2),Volume = sample(10,2)),
                  data.frame(Price = sample(10,2),Volume = sample(10,2)),
                  data.frame(Price = sample(10,2),Volume = sample(10,2)))
str(your_list)
#> List of 3
#>  $ :'data.frame':    2 obs. of  2 variables:
#>   ..$ Price : int [1:2] 3 4
#>   ..$ Volume: int [1:2] 6 9
#>  $ :'data.frame':    2 obs. of  2 variables:
#>   ..$ Price : int [1:2] 3 9
#>   ..$ Volume: int [1:2] 10 6
#>  $ :'data.frame':    2 obs. of  2 variables:
#>   ..$ Price : int [1:2] 7 1
#>   ..$ Volume: int [1:2] 3 2
str(purrr::transpose(your_list))
#> List of 2
#>  $ Price :List of 3
#>   ..$ : int [1:2] 3 4
#>   ..$ : int [1:2] 3 9
#>   ..$ : int [1:2] 7 1
#>  $ Volume:List of 3
#>   ..$ : int [1:2] 6 9
#>   ..$ : int [1:2] 10 6
#>   ..$ : int [1:2] 3 2

答案 1 :(得分:2)

另一种方法,仅使用base R。在Moody_Mudskipper的答案中使用数据集进行测试。

lapply(your_list, '[[', "Price")
lapply(your_list, '[[', "Volume")

修改
就像Moody_Mudskipper在他的评论中所说,为了完全回答这个问题,我应该使用'['而不是'[['。后者返回向量,前者返回 sub-data.frames 。 OP要求“一个200 df的价格列表和另一个200 df的列表”。

lapply(your_list, '[', "Price")
#[[1]]
#  Price
#1     3
#2     4
#
#[[2]]
#  Price
#1     3
#2     9
#
#[[3]]
#  Price
#1     7
#2     1
lapply(your_list, '[', "Volume")
# output ommited

答案 2 :(得分:1)

purrr只有一个简洁的功能

数据

set.seed(1)
your_list <- list(data.frame(Price = sample(10,2),Volume = sample(10,2)),
     data.frame(Price = sample(10,2),Volume = sample(10,2)),
     data.frame(Price = sample(10,2),Volume = sample(10,2)))
# [[1]]
#   Price Volume
# 1     3      6
# 2     4      9
# 
# [[2]]
#   Price Volume
# 1     3     10
# 2     9      6
# 
# [[3]]
#   Price Volume
# 1     7      3
# 2     1      2

<强>结果

library(purrr)
map(your_list,"Price")
# [[1]]
# [1] 3 4
# 
# [[2]]
# [1] 3 9
# 
# [[3]]
# [1] 7 1

map(your_list,"Volume")
# [[1]]
# [1] 6 9
# 
# [[2]]
# [1] 10  6
# 
# [[3]]
# [1] 3 2