R语言-实现list的嵌套与提取嵌套中的值

R的数据结构有很多种，常用的包括向量vector，矩阵matrix，数组array，列表list和dataframe数据框。

前三个都有其特定的性质和结构

今天要介绍的是list，它非常灵活好用~因为可以存放不同数据类型

之前做assignment的时候还没有发现list的美妙，但现在写毕业论文数据量开始变大，同时通过调用Rpackage常常产生各种数据类型，渐渐发觉list真的很好用！

因为使用了for循环，还会产生层层嵌套的超大list，这时候，如何定义这个嵌套的list，如何取出里面的值就变得很重要。

具体的逻辑关系其实很简单，只要头脑清醒不把自己绕晕，无论多少层轻松搞定！

先拿两层的为例好了：

题目：

从同一个函数随机生成20个data sets，每个data set都用K-means进行分类，K从2~10都遍历一遍。结果保存在一个list里。

第一步：

生成data set的函数已经给出了。20个数据就是run20次~因为是随机生成的，最后得到的每个data set都不相同。然后把这20个数据集都存在一个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()
}

为什么我的datasets要包两层，是[[i]]? 其实这里就有list的嵌套了。看我在生成的函数里已经有一个list，里面包含两个元素，一个是$data：生成的原始数据；另一个是$cvec：原始数据对应的实际分类。所以我想要个大的list把这20个list都包含在内，就得来个嵌套~两个框框——[[i]]就是两层！（我刚刚突然想到[[[i]]]会不会是三层啊？。。我没试过也，因为每个循环都是新增一层list，不会直接增两层，不然有层为空就会报错，哎呦我表述好难，先继续往下吧~~

p.s. 如果想要提取第5次生成的结果，就datasets[[5]]，当然这里面还包含两个元素：原始数据数据和实际分类。如果想提取里面的原始数据数据，就datasets[[5]]$data，想提取里面的实际分类，则是datasets[[5]]$cvec。想提取全部20次的结果：直接datasets。如果！想要提取20次结果里的原始数据，就没那么直接了。得用for循环从1~20来一个datasets[[i]]$dat逐一取出来。这个应该很好理解，因为小list里是包含两种元素，外面嵌套list的才是重复20次。

第二步：

然后就是对这个大的datasets运行K-means，K=2~10。这里有两个循环，一个是我首先要把datasets从1~20走一遍，然后里面每个data set我都要从K=2~10计算K-means的结果。for循环很好写，具体的框架大致就是这样：”???“ 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的语句里同时包含了i和k，所以这个结果会是一个嵌套的list。照我这样写for循环，里面那层就是i=1~20，外面那层是k=2~10。所以是当k=2时，把20个data sets循环一遍，然后k=3，再循环……直到k=10。所以我们要先保存固定k时的i=1~20的run出来的结果，第一个"???" 就得包括i，并且跟k无关。而且因为kmeans的结果返回的个list，里面包含了各种元素：$cluster, $size,等等。所以这跟上面datasets的保存一样，得是[[i]]，两层！

第一个"???"已经解决了，假设是ks[[i]], 保存了当k固定时循环i=1~20的结果。现在我们要循环k=2~10，等于在列表ks的外面再嵌套一个list，是关于k循环的，跟i已经没什么关系了。所以下一个"???" 就得是kmean[[k]]<-ks。

结果就是这样的~

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
  }
}

现在讲讲怎么提取里面的数值。kmean是一个三层的list。最外面那层是跟k有关的，中间那层是跟i有关，里面那层是K-means的output作为一个list。

所以kmean[[k]], k=2~10, 是当k=k时20次K-means的结果。

如果想取k=2，第5个data sets的K-means结果，就是kmean[[2]][[5]]，如果想取k=4，第1个data sets的K-means得到的分类结果cluster：kmean[[4]][[1]]$cluster。

Done！这是我个人在实际操作过程中的一个总结，所以如果有什么问题欢迎一起来讨论~

Further studying——

在factorial experiment design里我们经常会考虑多个factors因子，每个因子考虑几个levels。算了我直接拿我的例子来讲好了。。。在我最近做的事情里，要生成像开头一样的分类数据generate random clusters。

因为是因子实验设计，所以我考虑了三个因子：(1) the number of clusters 每个data中有几个群组，像开头的例子就有3个，这里我定的level是2，3，5; (2) the number of points in each cluster每群组里有多少点 ，定的level是25，100，225； and (3) the degree of separation群组和群组之间相隔的远还是近，函数里面有个sepVal可以定义，我定的是0.01和0.021; 最后是重复2遍。把所有结果存到一个list里

感觉讲得不太清楚T T。。看代码吧！我想表达的意思就是无论考虑多少个因子，list会新增多少层，只要按照上面的方法一层层叠加就好了！重点是搞清楚每次层代表的含义，还有明白怎么样取出想要的值~

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

补充：如何从嵌套很多层的列表中直接取出所有数值

给定列表

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]]]]

每一个外层列表都包含2个子列表不停往下嵌套，并且s[0] 比s[1] 多嵌套一层

解决方案

方法1

转字符串之后使用replace替换掉不需要的值，例如

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

这里根据需求删掉了每一个最里层列表的第二维的值

方法2

优美一点的解法是用递归去取值

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)

结果：

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

去掉多余的1之后和下面的结果一致

结果：

result

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

tips

这个序列来源是一道算法题，要求是找到一个1到n正整数序列，使得任意一个中间的数乘以二不能等于两边各自任取一个数之和（即 aj * 2 != ai + ak, 其中 i<j<k ,i,j,k之间的差值不定），有兴趣的小伙伴可以做一下，希望能给大家一个参考，也希望大家多多支持我们。如有错误或未考虑完全的地方，望不吝赐教。