如何在R语言中遍历命名列表并提取数据进行计算？

我通过模拟不同参数值的模型，得到了一个包含多个DataFrame的列表对象results，模拟代码如下：

library(MASS)

model_beta <- 0
model_se <- 0
model_p <- 0

set.seed(seed = 42224)

sim <- function(S, T, rho1, rho2, sigma_u, sigma_v) {
  
  Sigma <- matrix(c(sigma_u, 0, 0, sigma_v), 2, 2)
  
  uv <- data.frame(mvrnorm(n = S * T,
                           mu = c(0, 0),
                           Sigma = Sigma))
  
  for (s in 1:S){
    
    x_t <- 0 + uv[(s - 1) * T + 1, 2]
    y_t <- 0 + uv[(s - 1) * T + 1, 1]
    
    for(i in 2:T) {
      x_t[i] <- rho2 * x_t[i - 1] + uv[(s - 1) * T + i, 2]
      y_t[i] <- rho1 * y_t[i - 1] + uv[(s - 1) * T + i, 1]
    }
    
    data <- data.frame(y_t, x_t)
    
    model <- lm(y_t ~ 1 + x_t, data)
    model_beta[s] <- model$coefficients[2]
    model_se[s] <- summary(model)$coefficients[2, 2]
    model_p[s] <- summary(model)$coefficients[, "Pr(>|t|)"][2]
    
    rm(x_t, y_t, data)
    
    all_ests <- as.data.frame(cbind(model_beta, model_se, model_p))
    
  }
  
  return(all_ests)
  
}

rho1_values <- c(0.1, 0.95, 0.99)
rho2_values <- c(0.1, 0.95, 0.99)
T_values <- c (100, 500, 1000)

results <- list()

for (rho1 in rho1_values) {
  for (rho2 in rho2_values) {
    for (T in T_values) {
      
      result <- sim(S = 100, T, rho1, rho2, sigma_u = 1, sigma_v = 1) 
      
      results[[paste("rho1", rho1, "rho2", rho2, "T", T)]] <- result
      
    }
  }
}

我想遍历results中的每个DataFrame，计算model_beta的均值、标准差，以及model_p小于等于0.05的数量，但尝试用results$key$model_beta的方式无法生效，我的尝试代码如下：

# recover beta mean and se estimates 

mean_betas <- list()
sd_betas <- list()
p_betas <- list()

for (key in names(results)) {
  
  beta <- mean(results$key$model_beta)
  sd <- sd(results$key$model_beta)
  ttest <- sum(results$key$model_p <= 0.05)
  
  mean_betas[[key]] <- beta
  sd_betas[[key]] <- sd
  p_betas[[key]] <- ttest
  
}

解决方法 #

错误原因 #

results$key写法无效，因为$运算符只能识别字面量形式的名称，而key是循环中的变量，需要用[[ ]]索引来访问变量对应的列表元素。

方法1：基础循环修正 #

修改循环内的元素访问方式，用[[key]]获取当前DataFrame，同时避免使用内置函数名（如sd）作为变量名：

mean_betas <- list()
sd_betas <- list()
p_betas <- list()

for (key in names(results)) {
  # 获取当前参数组合对应的DataFrame
  current_df <- results[[key]]
  
  # 计算所需统计量
  beta_mean <- mean(current_df$model_beta)
  beta_sd <- sd(current_df$model_beta)
  sig_p_count <- sum(current_df$model_p <= 0.05)
  
  # 存入结果列表
  mean_betas[[key]] <- beta_mean
  sd_betas[[key]] <- beta_sd
  p_betas[[key]] <- sig_p_count
}

方法2：用purrr包简化遍历 #

如果习惯使用tidyverse工具，purrr包的imap函数可以更简洁地完成带键名的遍历，一次性生成所有统计量：

library(purrr)

# 遍历列表，同时获取DataFrame和对应的键名
summary_stats <- imap(results, function(df, key) {
  list(
    mean_beta = mean(df$model_beta),
    sd_beta = sd(df$model_beta),
    sig_p_count = sum(df$model_p <= 0.05)
  )
})

# 拆分到单独的结果向量（可选）
mean_betas <- map_dbl(summary_stats, "mean_beta")
sd_betas <- map_dbl(summary_stats, "sd_beta")
p_betas <- map_int(summary_stats, "sig_p_count")

内容的提问来源于stack exchange，提问作者aerw4