R語言-實現list的嵌套與提取嵌套中的值

Posted on by

R的數據結構有很多種，常用的包括向量vector，矩陣matrix，數組array，列表list和dataframe數據框。

前三個都有其特定的性質和結構

今天要介紹的是list，它非常靈活好用~因為可以存放不同數據類型

之前做assignment的時候還沒有發現list的美妙，但現在寫畢業論文數據量開始變大，同時通過調用Rpackage常常產生各種數據類型，漸漸發覺list真的很好用！

因為使用瞭for循環，還會產生層層嵌套的超大list，這時候，如何定義這個嵌套的list，如何取出裡面的值就變得很重要。

具體的邏輯關系其實很簡單，隻要頭腦清醒不把自己繞暈，無論多少層輕松搞定！

先拿兩層的為例好瞭：

題目：

從同一個函數隨機生成20個data sets，每個data set都用K-means進行分類，K從2~10都遍歷一遍。結果保存在一個list裡。

第一步：

生成data set的函數已經給出瞭。20個數據就是run20次~因為是隨機生成的，最後得到的每個data set都不相同。然後把這20個數據集都存在一個list裡~

art2 <- function(){
  x1 <- rnorm(20)
  y1 <- rnorm(20)
  x2 <- rnorm(20,mean=10)
  y2 <- rnorm(20)
  x3 <- runif(100,-20,30)
  y3 <- runif(100,20,40)
  clusterdata2 <- cbind(c(x1,x2,x3),c(y1,y2,y3))
  cvec <- c(rep(1,20),rep(2,20),rep(3,100))
  out <- list(data=clusterdata2,cvec=cvec)
  out
}
datasets<-list()
for (i in 1:20){
  datasets[[i]]<- art2()
}

為什麼我的datasets要包兩層，是[[i]]? 其實這裡就有list的嵌套瞭。看我在生成的函數裡已經有一個list，裡面包含兩個元素，一個是$data：生成的原始數據；另一個是$cvec：原始數據對應的實際分類。所以我想要個大的list把這20個list都包含在內，就得來個嵌套~兩個框框——[[i]]就是兩層！（我剛剛突然想到[[[i]]]會不會是三層啊？。。我沒試過也，因為每個循環都是新增一層list，不會直接增兩層，不然有層為空就會報錯，哎呦我表述好難，先繼續往下吧~~

p.s. 如果想要提取第5次生成的結果，就datasets[[5]]，當然這裡面還包含兩個元素：原始數據數據和實際分類。如果想提取裡面的原始數據數據，就datasets[[5]]$data，想提取裡面的實際分類，則是datasets[[5]]$cvec。想提取全部20次的結果：直接datasets。如果！想要提取20次結果裡的原始數據，就沒那麼直接瞭。得用for循環從1~20來一個datasets[[i]]$dat逐一取出來。這個應該很好理解，因為小list裡是包含兩種元素，外面嵌套list的才是重復20次。

第二步：

然後就是對這個大的datasets運行K-means，K=2~10。這裡有兩個循環，一個是我首先要把datasets從1~20走一遍，然後裡面每個data set我都要從K=2~10計算K-means的結果。for循環很好寫，具體的框架大致就是這樣：”???“ 的地方是需要思考滴

for (k in 2:10){
  for (i in 1:20){
    ???<- kmeans(datasets[[i]]$data,k,nstart=50)
    ???
  }
}

K-means的語句裡同時包含瞭i和k，所以這個結果會是一個嵌套的list。照我這樣寫for循環，裡面那層就是i=1~20，外面那層是k=2~10。所以是當k=2時，把20個data sets循環一遍，然後k=3，再循環……直到k=10。所以我們要先保存固定k時的i=1~20的run出來的結果，第一個”???” 就得包括i，並且跟k無關。而且因為kmeans的結果返回的個list，裡面包含瞭各種元素：$cluster, $size,等等。所以這跟上面datasets的保存一樣，得是[[i]]，兩層！

第一個”???”已經解決瞭，假設是ks[[i]], 保存瞭當k固定時循環i=1~20的結果。現在我們要循環k=2~10，等於在列表ks的外面再嵌套一個list，是關於k循環的，跟i已經沒什麼關系瞭。所以下一個”???” 就得是kmean[[k]]<-ks。

結果就是這樣的~

kmean <- list()
ks <- list()
for (k in 2:10){
  for (i in 1:20){
    ks[[i]] <- kmeans(datasets[[i]]$data,k,nstart=50)
    kmean[[k]]<-ks
  }
}

現在講講怎麼提取裡面的數值。kmean是一個三層的list。最外面那層是跟k有關的，中間那層是跟i有關，裡面那層是K-means的output作為一個list。

所以kmean[[k]], k=2~10, 是當k=k時20次K-means的結果。

如果想取k=2，第5個data sets的K-means結果，就是kmean[[2]][[5]]，如果想取k=4，第1個data sets的K-means得到的分類結果cluster：kmean[[4]][[1]]$cluster。

Done！這是我個人在實際操作過程中的一個總結，所以如果有什麼問題歡迎一起來討論~

Further studying——

在factorial experiment design裡我們經常會考慮多個factors因子，每個因子考慮幾個levels。算瞭我直接拿我的例子來講好瞭。。。在我最近做的事情裡，要生成像開頭一樣的分類數據generate random clusters。

因為是因子實驗設計，所以我考慮瞭三個因子：(1) the number of clusters 每個data中有幾個群組，像開頭的例子就有3個，這裡我定的level是2，3，5; (2) the number of points in each cluster每群組裡有多少點 ，定的level是25，100，225； and (3) the degree of separation群組和群組之間相隔的遠還是近，函數裡面有個sepVal可以定義，我定的是0.01和0.021; 最後是重復2遍。把所有結果存到一個list裡

感覺講得不太清楚T T。。看代碼吧！我想表達的意思就是無論考慮多少個因子，list會新增多少層，隻要按照上面的方法一層層疊加就好瞭！重點是搞清楚每次層代表的含義，還有明白怎麼樣取出想要的值~

cluster<-c(2,3,5)
point<-c(25,100,225)
sepval<-c(0.01,0.21)
repl<-2
 
#Eq=1：the number of points in each cluster is the same.
 
t<-list()
gen<-list()
Eq1<-list()
for (i in 1:3){
  for (j in 1:3){
    for (k in 1:2){
      t[[k]] <- genRandomClust(numClust=cluster[i], sepVal=sepval[k], numNonNoisy=2,
                               numNoisy=0, numOutlier=0, numReplicate=repl, fileName="Eq1",
                               clustszind=1,
                               clustSizeEq=point[j],
                               outputDatFlag=F,
                               outputLogFlag=F,
                               outputEmpirical=F,
                               outputInfo=F)
      gen[[j]]<-t
      Eq1[[i]]<-gen
    }
  }
}
 
#Eq1[[i]][[j]][[k]]
#Eq1[[i]][[j]][[k]]$datList[[1]]:rep1
#Eq1[[i]][[j]][[k]]$datList[[2]]:rep2

補充：如何從嵌套很多層的列表中直接取出所有數值

給定列表

s = [[[[[[1, 1]], [[9, 1]]], [[5, 1]]], [[[3, 1]], [[7, 1]]]], [[[[2, 1]], [[6, 1]]], [[[4, 1]], [[8, 1]]]]]
s[0] 是 [[[[[1, 1]], [[9, 1]]], [[5, 1]]], [[[3, 1]], [[7, 1]]]]
s[1] 是 [[[[2, 1]], [[6, 1]]], [[[4, 1]], [[8, 1]]]]

每一個外層列表都包含2個子列表不停往下嵌套，並且s[0] 比s[1] 多嵌套一層

解決方案

方法1

轉字符串之後使用replace替換掉不需要的值，例如

b = str(s).replace('[', '').replace(']', '').replace(' ', '').split(',')
for m,n in enumerate(b):
    if m%2 == 0:
        result.append(int(n))

這裡根據需求刪掉瞭每一個最裡層列表的第二維的值

方法2

優美一點的解法是用遞歸去取值

def flat(nums):
    res = []
    for i in nums:
        if isinstance(i, list):
            res.extend(flat(i))
        else:
            res.append(i)
    return res
result = flat(s)

結果：

[1, 1, 9, 1, 5, 1, 3, 1, 7, 1, 2, 1, 6, 1, 4, 1, 8, 1]

去掉多餘的1之後和下面的結果一致

結果：

result

Out[157]: [1, 9, 5, 3, 7, 2, 6, 4, 8]

tips

這個序列來源是一道算法題，要求是找到一個1到n正整數序列，使得任意一個中間的數乘以二不能等於兩邊各自任取一個數之和（即 aj * 2 != ai + ak, 其中 i<j<k ,i,j,k之間的差值不定），有興趣的小夥伴可以做一下，希望能給大傢一個參考，也希望大傢多多支持WalkonNet。如有錯誤或未考慮完全的地方，望不吝賜教。

推薦閱讀：

    None Found