R的數(shù)據(jù)結(jié)構(gòu)有很多種，常用的包括向量vector，矩陣matrix，數(shù)組array，列表list和dataframe數(shù)據(jù)框。

前三個(gè)都有其特定的性質(zhì)和結(jié)構(gòu)

今天要介紹的是list，它非常靈活好用~因?yàn)榭梢源娣挪煌瑪?shù)據(jù)類型

之前做assignment的時(shí)候還沒有發(fā)現(xiàn)list的美妙，但現(xiàn)在寫畢業(yè)論文數(shù)據(jù)量開始變大，同時(shí)通過(guò)調(diào)用Rpackage常常產(chǎn)生各種數(shù)據(jù)類型，漸漸發(fā)覺list真的很好用！

因?yàn)槭褂昧薴or循環(huán)，還會(huì)產(chǎn)生層層嵌套的超大list，這時(shí)候，如何定義這個(gè)嵌套的list，如何取出里面的值就變得很重要。

具體的邏輯關(guān)系其實(shí)很簡(jiǎn)單，只要頭腦清醒不把自己繞暈，無(wú)論多少層輕松搞定！

先拿兩層的為例好了：

題目：

從同一個(gè)函數(shù)隨機(jī)生成20個(gè)data sets，每個(gè)data set都用K-means進(jìn)行分類，K從2~10都遍歷一遍。結(jié)果保存在一個(gè)list里。

第一步：

生成data set的函數(shù)已經(jīng)給出了。20個(gè)數(shù)據(jù)就是run20次~因?yàn)槭请S機(jī)生成的，最后得到的每個(gè)data set都不相同。然后把這20個(gè)數(shù)據(jù)集都存在一個(gè)list里~

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()
}

為什么我的datasets要包兩層，是[[i]]? 其實(shí)這里就有l(wèi)ist的嵌套了。看我在生成的函數(shù)里已經(jīng)有一個(gè)list，里面包含兩個(gè)元素，一個(gè)是$data：生成的原始數(shù)據(jù)；另一個(gè)是$cvec：原始數(shù)據(jù)對(duì)應(yīng)的實(shí)際分類。所以我想要個(gè)大的list把這20個(gè)list都包含在內(nèi)，就得來(lái)個(gè)嵌套~兩個(gè)框框——[[i]]就是兩層?。ㄎ覄倓偼蝗幌氲絒[[i]]]會(huì)不會(huì)是三層??？。。我沒試過(guò)也，因?yàn)槊總€(gè)循環(huán)都是新增一層list，不會(huì)直接增兩層，不然有層為空就會(huì)報(bào)錯(cuò)，哎呦我表述好難，先繼續(xù)往下吧~~

p.s. 如果想要提取第5次生成的結(jié)果，就datasets[[5]]，當(dāng)然這里面還包含兩個(gè)元素：原始數(shù)據(jù)數(shù)據(jù)和實(shí)際分類。如果想提取里面的原始數(shù)據(jù)數(shù)據(jù)，就datasets[[5]]$data，想提取里面的實(shí)際分類，則是datasets[[5]]$cvec。想提取全部20次的結(jié)果：直接datasets。如果！想要提取20次結(jié)果里的原始數(shù)據(jù)，就沒那么直接了。得用for循環(huán)從1~20來(lái)一個(gè)datasets[[i]]$dat逐一取出來(lái)。這個(gè)應(yīng)該很好理解，因?yàn)樾ist里是包含兩種元素，外面嵌套list的才是重復(fù)20次。

第二步：

然后就是對(duì)這個(gè)大的datasets運(yùn)行K-means，K=2~10。這里有兩個(gè)循環(huán)，一個(gè)是我首先要把datasets從1~20走一遍，然后里面每個(gè)data set我都要從K=2~10計(jì)算K-means的結(jié)果。for循環(huán)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(yǔ)句里同時(shí)包含了i和k，所以這個(gè)結(jié)果會(huì)是一個(gè)嵌套的list。照我這樣寫for循環(huán)，里面那層就是i=1~20，外面那層是k=2~10。所以是當(dāng)k=2時(shí)，把20個(gè)data sets循環(huán)一遍，然后k=3，再循環(huán)……直到k=10。所以我們要先保存固定k時(shí)的i=1~20的run出來(lái)的結(jié)果，第一個(gè)"???" 就得包括i，并且跟k無(wú)關(guān)。而且因?yàn)閗means的結(jié)果返回的個(gè)list，里面包含了各種元素：$cluster, $size,等等。所以這跟上面datasets的保存一樣，得是[[i]]，兩層！

第一個(gè)"???"已經(jīng)解決了，假設(shè)是ks[[i]], 保存了當(dāng)k固定時(shí)循環(huán)i=1~20的結(jié)果?，F(xiàn)在我們要循環(huán)k=2~10，等于在列表ks的外面再嵌套一個(gè)list，是關(guān)于k循環(huán)的，跟i已經(jīng)沒什么關(guān)系了。所以下一個(gè)"???" 就得是kmean[[k]]<-ks。

結(jié)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(xiàn)在講講怎么提取里面的數(shù)值。kmean是一個(gè)三層的list。最外面那層是跟k有關(guān)的，中間那層是跟i有關(guān)，里面那層是K-means的output作為一個(gè)list。

所以kmean[[k]], k=2~10, 是當(dāng)k=k時(shí)20次K-means的結(jié)果。

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

Done！這是我個(gè)人在實(shí)際操作過(guò)程中的一個(gè)總結(jié)，所以如果有什么問(wèn)題歡迎一起來(lái)討論~

Further studying——

在factorial experiment design里我們經(jīng)常會(huì)考慮多個(gè)factors因子，每個(gè)因子考慮幾個(gè)levels。算了我直接拿我的例子來(lái)講好了。。。在我最近做的事情里，要生成像開頭一樣的分類數(shù)據(jù)generate random clusters。

因?yàn)槭且蜃訉?shí)驗(yàn)設(shè)計(jì)，所以我考慮了三個(gè)因子：(1) the number of clusters 每個(gè)data中有幾個(gè)群組，像開頭的例子就有3個(gè)，這里我定的level是2，3，5; (2) the number of points in each cluster每群組里有多少點(diǎn) ，定的level是25，100，225； and (3) the degree of separation群組和群組之間相隔的遠(yuǎn)還是近，函數(shù)里面有個(gè)sepVal可以定義，我定的是0.01和0.021; 最后是重復(fù)2遍。把所有結(jié)果存到一個(gè)list里

感覺講得不太清楚T T。?？创a吧！我想表達(dá)的意思就是無(wú)論考慮多少個(gè)因子，list會(huì)新增多少層，只要按照上面的方法一層層疊加就好了！重點(diǎn)是搞清楚每次層代表的含義，還有明白怎么樣取出想要的值~

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(bǔ)充：如何從嵌套很多層的列表中直接取出所有數(shù)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(gè)外層列表都包含2個(gè)子列表不停往下嵌套，并且s[0] 比s[1] 多嵌套一層

解決方案

方法1

轉(zhuǎn)字符串之后使用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))

這里根據(jù)需求刪掉了每一個(gè)最里層列表的第二維的值

方法2

優(yōu)美一點(diǎn)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(jié)果：

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

去掉多余的1之后和下面的結(jié)果一致

結(jié)果：

result

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

tips

這個(gè)序列來(lái)源是一道算法題，要求是找到一個(gè)1到n正整數(shù)序列，使得任意一個(gè)中間的數(shù)乘以二不能等于兩邊各自任取一個(gè)數(shù)之和（即 aj * 2 != ai + ak, 其中 i<j<k ,i,j,k之間的差值不定），有興趣的小伙伴可以做一下，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。

最新評(píng)論