残念ながら、lapply渡したベクトルの要素のみが表示されます。通常の回避策は、ベクター自体ではなく、ベクターの名前またはインデックスを渡すことです。
ただし、関数にはいつでも追加の引数を渡すことができるため、次のように機能することに注意してください。
x <- list(a=11,b=12,c=13) # Changed to list to address concerns in commments
lapply(seq_along(x), function(y, n, i) { paste(n[[i]], y[[i]]) }, y=x, n=names(x))
ここではlapply、のインデックスを使用しますが、の名前xも渡します。ご覧のとおり、関数の引数の順序は任意です。「要素」（ここではインデックス）を、追加の引数の中で指定されていない最初の引数に渡します。この場合、とを指定するので、残っているのは...xxlapplyyni
これにより、次のようになります。
[[1]]
[1] "a 11"
[[2]]
[1] "b 12"
[[3]]
[1] "c 13"
UPDATEより単純な例、同じ結果：
lapply(seq_along(x), function(i) paste(names(x)[[i]], x[[i]]))
ここで、関数は「グローバル」変数を使用xし、各呼び出しで名前を抽出します。
これは基本的にTommyと同じ回避策を使用しますが、を使用するとMap()、リストコンポーネントの名前を格納するグローバル変数にアクセスする必要がなくなります。
> x <- list(a=11, b=12, c=13)
> Map(function(x, i) paste(i, x), x, names(x))
$a
[1] "a 11"
$b
[1] "b 12"
$c
[1] "c 13
または、必要に応じてmapply()
> mapply(function(x, i) paste(i, x), x, names(x))
a b c
"a 11" "b 12" "c 13"
Rバージョン3.2のアップデート
免責事項：これはハッキーなトリックであり、次のリリースで機能しなくなる可能性があります。
これを使用してインデックスを取得できます。
> lapply(list(a=10,b=20), function(x){parent.frame()$i[]})
$a
[1] 1
$b
[1] 2
注：[]これが機能するには、が必要です。これは、Rをだまして、シンボルi（の評価フレームにあるlapply）がより多くの参照を持っている可能性があると考えさせ、そのため、その怠惰な複製をアクティブにするためです。これがないと、Rはi次のコピーを分離して保持しません。
> lapply(list(a=10,b=20), function(x){parent.frame()$i})
$a
[1] 2
$b
[1] 2
function(x){parent.frame()$i+0}またはのような他のエキゾチックなトリックを使用することができますfunction(x){--parent.frame()$i}。
パフォーマンスへの影響
強制的な複製はパフォーマンスの低下を引き起こしますか？はい！ベンチマークは次のとおりです。
> x <- as.list(seq_len(1e6))
> system.time( y <- lapply(x, function(x){parent.frame()$i[]}) )
user system elapsed
2.38 0.00 2.37
> system.time( y <- lapply(x, function(x){parent.frame()$i[]}) )
user system elapsed
2.45 0.00 2.45
> system.time( y <- lapply(x, function(x){parent.frame()$i[]}) )
user system elapsed
2.41 0.00 2.41
> y[[2]]
[1] 2
> system.time( y <- lapply(x, function(x){parent.frame()$i}) )
user system elapsed
1.92 0.00 1.93
> system.time( y <- lapply(x, function(x){parent.frame()$i}) )
user system elapsed
2.07 0.00 2.09
> system.time( y <- lapply(x, function(x){parent.frame()$i}) )
user system elapsed
1.89 0.00 1.89
> y[[2]]
[1] 1000000
結論
この回答は、これを使用してはならないことを示しています...上記のTommyのような別のソリューションを見つけた場合、コードが読みやすくなり、将来のリリースとの互換性が高まるだけでなく、コアチームが懸命に取り組んできた最適化を失うリスクもあります。発展させる！
古いバージョンのトリック、機能しなくなった：
> lapply(list(a=10,b=10,c=10), function(x)substitute(x)[[3]])
結果：
$a
[1] 1
$b
[1] 2
$c
[1] 3
説明：などの形式のlapply呼び出しを作成します。したがって、渡される引数は、ループ内の現在のインデックスです。評価される前にこれを取得すると（つまり、を使用する場合）、未評価の式を取得します。これは、引数（シンボル）と（整数）を使用した関数の呼び出しです。したがって、正確にこの整数を返します。FUN(X[[1L]], ...)FUN(X[[2L]], ...)X[[i]]isubstituteX[[i]][[Xisubstitute(x)[[3]]
インデックスがあれば、次のように最初に保存すると、名前に簡単にアクセスできます。
L <- list(a=10,b=10,c=10)
n <- names(L)
lapply(L, function(x)n[substitute(x)[[3]]])
結果：
$a
[1] "a"
$b
[1] "b"
$c
[1] "c"
または、この2番目のトリックを使用します::-)
lapply(list(a=10,b=10,c=10), function(x)names(eval(sys.call(1)[[2]]))[substitute(x)[[3]]])
（結果は同じです）。
説明2：をsys.call(1)返すlapply(...)ので、これは。sys.call(1)[[2]]へのリスト引数として使用される式lapplyです。これをに渡すと、アクセスできるeval正当なオブジェクトが作成されnamesます。トリッキーですが、機能します。
ボーナス：名前を取得する2番目の方法：
lapply(list(a=10,b=10,c=10), function(x)eval.parent(quote(names(X)))[substitute(x)[[3]]])
はのX親フレーム内の有効なオブジェクトでありFUN、のリスト引数を参照しているlapplyため、でアクセスできることに注意してeval.parentください。
私は何度も同じ問題を抱えています...私は別の方法を使い始めました...を使う代わりにlapply、私は使い始めましたmapply
n = names(mylist)
mapply(function(list.elem, names) { }, list.elem = mylist, names = n)
パッケージimap()から使用してみてください。purrr
ドキュメントから：
imap（x、...）は、xに名前がある場合はmap2（x、names（x）、...）の省略形であり、名前がない場合はmap2（x、seq_along（x）、...）です。
だから、あなたはそれをそのように使うことができます：
library(purrr)
myList <- list(a=11,b=12,c=13)
imap(myList, function(x, y) paste(x, y))
これにより、次の結果が得られます。
$a
[1] "11 a"
$b
[1] "12 b"
$c
[1] "13 c"
名前をループするだけです。
sapply(names(mylist), function(n) {
doSomething(mylist[[n]])
cat(n, '\n')
}
トミーの答えは名前付きベクトルに当てはまりますが、リストに興味があると思いました。そして、呼び出し環境から「x」を参照していたため、彼はエンドアラウンドを行っているように見えます。この関数は、関数に渡されたパラメーターのみを使用するため、渡されたオブジェクトの名前については何も想定していません。
x <- list(a=11,b=12,c=13)
lapply(x, function(z) { attributes(deparse(substitute(z)))$names } )
#--------
$a
NULL
$b
NULL
$c
NULL
#--------
names( lapply(x, function(z) { attributes(deparse(substitute(z)))$names } ))
#[1] "a" "b" "c"
what_is_my_name <- function(ZZZ) return(deparse(substitute(ZZZ)))
what_is_my_name(X)
#[1] "X"
what_is_my_name(ZZZ=this)
#[1] "this"
exists("this")
#[1] FALSE
私の答えは、トミーやカラカルと同じ方向に進みますが、リストを追加のオブジェクトとして保存する必要はありません。
lapply(seq(3), function(i, y=list(a=14,b=15,c=16)) { paste(names(y)[[i]], y[[i]]) })
結果：
[[1]]
[1] "a 14"
[[2]]
[1] "b 15"
[[3]]
[1] "c 16"
これにより、リストがFUNへの名前付き引数として提供されます（ラップする代わりに）。lapplyは、リストの要素を反復処理するだけで済みます（リストの長さを変更するときは、この最初の引数をlapplyに変更するように注意してください）。
注：追加の引数としてリストを直接lapplyに指定することもできます：
lapply(seq(3), function(i, y) { paste(names(y)[[i]], y[[i]]) }, y=list(a=14,b=15,c=16))
list@caracalsと@Tommyはどちらも優れたソリューションであり、これは´sと´sを含む例data.frameです。
rはとlistの（最後に）です list。data.framedput(r[[1]]
names(r)
[1] "todos" "random"
r[[1]][1]
$F0
$F0$rst1
algo rst prec rorac prPo pos
1 Mean 56.4 0.450 25.872 91.2 239
6 gbm1 41.8 0.438 22.595 77.4 239
4 GAM2 37.2 0.512 43.256 50.0 172
7 gbm2 36.8 0.422 18.039 85.4 239
11 ran2 35.0 0.442 23.810 61.5 239
2 nai1 29.8 0.544 52.281 33.1 172
5 GAM3 28.8 0.403 12.743 94.6 239
3 GAM1 21.8 0.405 13.374 68.2 239
10 ran1 19.4 0.406 13.566 59.8 239
9 svm2 14.0 0.385 7.692 76.2 239
8 svm1 0.8 0.359 0.471 71.1 239
$F0$rst5
algo rst prec rorac prPo pos
1 Mean 52.4 0.441 23.604 92.9 239
7 gbm2 46.4 0.440 23.200 83.7 239
6 gbm1 31.2 0.416 16.421 79.5 239
5 GAM3 28.8 0.403 12.743 94.6 239
4 GAM2 28.2 0.481 34.815 47.1 172
11 ran2 26.6 0.422 18.095 61.5 239
2 nai1 23.6 0.519 45.385 30.2 172
3 GAM1 20.6 0.398 11.381 75.7 239
9 svm2 14.4 0.386 8.182 73.6 239
10 ran1 14.0 0.390 9.091 64.4 239
8 svm1 6.2 0.370 3.584 72.4 239
目的は、unlistすべてのリストに対してlist、ケースを識別するための列としての名前のシーケンスを配置することです。
r=unlist(unlist(r,F),F)
names(r)
[1] "todos.F0.rst1" "todos.F0.rst5" "todos.T0.rst1" "todos.T0.rst5" "random.F0.rst1" "random.F0.rst5"
[7] "random.T0.rst1" "random.T0.rst5"
リストのリストを解除しますが、のリストは解除しませんdata.frame。
ra=Reduce(rbind,Map(function(x,y) cbind(case=x,y),names(r),r))
Map名前のシーケンスを列として配置します。Reduceすべてdata.frameのに参加します。
head(ra)
case algo rst prec rorac prPo pos
1 todos.F0.rst1 Mean 56.4 0.450 25.872 91.2 239
6 todos.F0.rst1 gbm1 41.8 0.438 22.595 77.4 239
4 todos.F0.rst1 GAM2 37.2 0.512 43.256 50.0 172
7 todos.F0.rst1 gbm2 36.8 0.422 18.039 85.4 239
11 todos.F0.rst1 ran2 35.0 0.442 23.810 61.5 239
2 todos.F0.rst1 nai1 29.8 0.544 52.281 33.1 172
PS r[[1]]：
structure(list(F0 = structure(list(rst1 = structure(list(algo = c("Mean",
"gbm1", "GAM2", "gbm2", "ran2", "nai1", "GAM3", "GAM1", "ran1",
"svm2", "svm1"), rst = c(56.4, 41.8, 37.2, 36.8, 35, 29.8, 28.8,
21.8, 19.4, 14, 0.8), prec = c(0.45, 0.438, 0.512, 0.422, 0.442,
0.544, 0.403, 0.405, 0.406, 0.385, 0.359), rorac = c(25.872,
22.595, 43.256, 18.039, 23.81, 52.281, 12.743, 13.374, 13.566,
7.692, 0.471), prPo = c(91.2, 77.4, 50, 85.4, 61.5, 33.1, 94.6,
68.2, 59.8, 76.2, 71.1), pos = c(239L, 239L, 172L, 239L, 239L,
172L, 239L, 239L, 239L, 239L, 239L)), .Names = c("algo", "rst",
"prec", "rorac", "prPo", "pos"), row.names = c(1L, 6L, 4L, 7L,
11L, 2L, 5L, 3L, 10L, 9L, 8L), class = "data.frame"), rst5 = structure(list(
algo = c("Mean", "gbm2", "gbm1", "GAM3", "GAM2", "ran2",
"nai1", "GAM1", "svm2", "ran1", "svm1"), rst = c(52.4, 46.4,
31.2, 28.8, 28.2, 26.6, 23.6, 20.6, 14.4, 14, 6.2), prec = c(0.441,
0.44, 0.416, 0.403, 0.481, 0.422, 0.519, 0.398, 0.386, 0.39,
0.37), rorac = c(23.604, 23.2, 16.421, 12.743, 34.815, 18.095,
45.385, 11.381, 8.182, 9.091, 3.584), prPo = c(92.9, 83.7,
79.5, 94.6, 47.1, 61.5, 30.2, 75.7, 73.6, 64.4, 72.4), pos = c(239L,
239L, 239L, 239L, 172L, 239L, 172L, 239L, 239L, 239L, 239L
)), .Names = c("algo", "rst", "prec", "rorac", "prPo", "pos"
), row.names = c(1L, 7L, 6L, 5L, 4L, 11L, 2L, 3L, 9L, 10L, 8L
), class = "data.frame")), .Names = c("rst1", "rst5")), T0 = structure(list(
rst1 = structure(list(algo = c("Mean", "ran1", "GAM1", "GAM2",
"gbm1", "svm1", "nai1", "gbm2", "svm2", "ran2"), rst = c(22.6,
19.4, 13.6, 10.2, 9.6, 8, 5.6, 3.4, -0.4, -0.6), prec = c(0.478,
0.452, 0.5, 0.421, 0.423, 0.833, 0.429, 0.373, 0.355, 0.356
), rorac = c(33.731, 26.575, 40, 17.895, 18.462, 133.333,
20, 4.533, -0.526, -0.368), prPo = c(34.4, 52.1, 24.3, 40.7,
37.1, 3.1, 14.4, 53.6, 54.3, 116.4), pos = c(195L, 140L,
140L, 140L, 140L, 195L, 195L, 140L, 140L, 140L)), .Names = c("algo",
"rst", "prec", "rorac", "prPo", "pos"), row.names = c(1L,
9L, 3L, 4L, 5L, 7L, 2L, 6L, 8L, 10L), class = "data.frame"),
rst5 = structure(list(algo = c("gbm1", "ran1", "Mean", "GAM1",
"GAM2", "svm1", "nai1", "svm2", "gbm2", "ran2"), rst = c(17.6,
16.4, 15, 12.8, 9, 6.2, 5.8, -2.6, -3, -9.2), prec = c(0.466,
0.434, 0.435, 0.5, 0.41, 0.8, 0.44, 0.346, 0.345, 0.337),
rorac = c(30.345, 21.579, 21.739, 40, 14.754, 124, 23.2,
-3.21, -3.448, -5.542), prPo = c(41.4, 54.3, 35.4, 22.9,
43.6, 2.6, 12.8, 57.9, 62.1, 118.6), pos = c(140L, 140L,
195L, 140L, 140L, 195L, 195L, 140L, 140L, 140L)), .Names = c("algo",
"rst", "prec", "rorac", "prPo", "pos"), row.names = c(5L,
9L, 1L, 3L, 4L, 7L, 2L, 8L, 6L, 10L), class = "data.frame")), .Names = c("rst1",
"rst5"))), .Names = c("F0", "T0"))
各要素の長さを計算するとします。
mylist <- list(a=1:4,b=2:9,c=10:20)
mylist
$a
[1] 1 2 3 4
$b
[1] 2 3 4 5 6 7 8 9
$c
[1] 10 11 12 13 14 15 16 17 18 19 20
結果の要素にラベルを付けることが目的の場合は、lapply(mylist,length)以下が機能します。
sapply(mylist,length,USE.NAMES=T)
a b c
4 8 11
関数内でラベルを使用することが目的の場合は、mapply()2つのオブジェクトをループすることで便利です。リスト要素とリスト名。
fun <- function(x,y) paste0(length(x),"_",y)
mapply(fun,mylist,names(mylist))
a b c
"4_a" "8_b" "11_c"
@ ferdinand-kraftは私たちに素晴らしいトリックを与え、それが文書化されておらず、パフォーマンスのオーバーヘッドのためにそれを使用すべきではないと私たちに告げています。
最初の点についてはあまり議論できませんが、オーバーヘッドが問題になることはめったにないことに注意してください。
アクティブな関数を定義して、複雑な式を呼び出す必要がないように
parent.frame()$i[]します。名前にアクセスするために.i()作成します。これは、 base関数とpurrr関数の両方（およびおそらく他のほとんどの関数）で機能するはずです。.n()
.i <- function() parent.frame(2)$i[]
# looks for X OR .x to handle base and purrr functionals
.n <- function() {
env <- parent.frame(2)
names(c(env$X,env$.x))[env$i[]]
}
sapply(cars, function(x) paste(.n(), .i()))
#> speed dist
#> "speed 1" "dist 2"
次に、さまざまなアプローチを使用して、ベクトルの項目をインデックスに貼り付ける単純な関数のベンチマークを行います（この操作は、もちろんを使用してベクトル化できますがpaste(vec, seq_along(vec))、ここでは重要ではありません）。
ベンチマーク関数とプロット関数を定義し、以下の結果をプロットします。
library(purrr)
library(ggplot2)
benchmark_fun <- function(n){
vec <- sample(letters,n, replace = TRUE)
mb <- microbenchmark::microbenchmark(unit="ms",
lapply(vec, function(x) paste(x, .i())),
map(vec, function(x) paste(x, .i())),
lapply(seq_along(vec), function(x) paste(vec[[x]], x)),
mapply(function(x,y) paste(x, y), vec, seq_along(vec), SIMPLIFY = FALSE),
imap(vec, function(x,y) paste(x, y)))
cbind(summary(mb)[c("expr","mean")], n = n)
}
benchmark_plot <- function(data, title){
ggplot(data, aes(n, mean, col = expr)) +
geom_line() +
ylab("mean time in ms") +
ggtitle(title) +
theme(legend.position = "bottom",legend.direction = "vertical")
}
plot_data <- map_dfr(2^(0:15), benchmark_fun)
benchmark_plot(plot_data[plot_data$n <= 100,], "simplest call for low n")
benchmark_plot(plot_data,"simplest call for higher n")
reprexパッケージ（v0.3.0）によって2019-11-15に作成されました
最初のチャートの最初のドロップはまぐれです。無視してください。
選択した回答は確かに高速であり、適切な反復回数の場合、.i()ソリューションは実際に低速であり、選択した回答と比較したオーバーヘッドは、を使用した場合のオーバーヘッドの約3倍でありpurrr::imap()、30k回の反復で約25ミリ秒になります。したがって、1000回の反復で約1ミリ秒、100万回で1秒が失われます。私の意見では、これは利便性のための小さなコストです。
独自のカスタムlapply関数を作成するだけです
lapply2 <- function(X, FUN){
if( length(formals(FUN)) == 1 ){
# No index passed - use normal lapply
R = lapply(X, FUN)
}else{
# Index passed
R = lapply(seq_along(X), FUN=function(i){
FUN(X[[i]], i)
})
}
# Set names
names(R) = names(X)
return(R)
}
次に、次のように使用します。
lapply2(letters, function(x, i) paste(x, i))