如何在R中从嵌套数据自动创建命名对象？

问题 #

在数据分析中，有时使用nest比直接用list更实用。但分析过程里，我希望把单个数据集存储到命名恰当的独立对象中以简化代码，因此需要高效批量创建这类对象。例如以下代码：

df <- iris |>
  tidyr::nest(.by = Species)

setosa <- df[["data"]][df[["Species"]] == "setosa"][[1]]
versicolor <- df[["data"]][df[["Species"]] == "versicolor"][[1]]
virginica <- df[["data"]][df[["Species"]] == "virginica"][[1]]

这里必须逐个显式指定对象名称来创建setosa、versicolor和virginica吗？有没有自动或批量创建这些对象的方法？我尝试了下面的代码但无法正常运行，本意是通过对象名称向量来批量创建对应命名的对象：

df$Species |> map(\(x) {
  sym(x) <- df[["data"]][df[["Species"]] == x][[1]]
})

解决方案 #

不需要逐个显式创建，有两种简洁的批量实现方式：

方法1：使用list2env（最推荐） #

先把嵌套的data列转换为以Species命名的列表，再将列表中的每个元素直接导入全局环境成为独立对象：

# 构建以物种名为键的数据集列表
species_list <- setNames(df$data, df$Species)
# 将列表元素批量转为全局环境中的对象
list2env(species_list, envir = .GlobalEnv)

执行后，setosa、versicolor、virginica三个对象会自动创建，每个对应原嵌套中的子数据集。

方法2：使用purrr::walk结合assign #

利用walk执行“副作用”操作（创建对象），配合assign函数指定对象名称和存储的数据集：

purrr::walk(df$Species, function(species) {
  # 按物种名匹配对应数据集，并创建同名对象
  assign(species, df$data[df$Species == species][[1]], envir = .GlobalEnv)
})

这里用walk而非map是因为我们不需要返回值，只需要完成创建对象的操作。

原代码失败原因 #

你之前尝试的sym(x) <- ...写法有误：sym()仅用于创建符号对象，不能直接用这种方式完成赋值操作。要动态创建并赋值对象，必须使用assign()函数明确指定赋值的目标环境。

内容的提问来源于stack exchange，提问作者ryoto