如何对长度可变的嵌套列表中各元素求均值？

问题背景 #

需要生成多个列表的均值列表，这些列表具备以下特点：

• 并非所有列表包含相同变量
• 变量的长度、大小各不相同，但同一变量名在所有列表中的尺寸与维度完全一致

当前采用嵌套循环为每个变量构建数据框，再用rowMeans()计算均值，该方法可行但速度极慢。每个列表来自试验数据，包含1200+变量，单列表大小约1.5MB。

以下是包含单元素、5元素变量及3×3矩阵的示例数据（第三个列表L3缺少C1和C5变量），目标是生成均值列表meanL：

# 示例数据
library(tibble)
library(dplyr)

L1 <- list(
  A1 = tibble(X1 = as.double(1)), 
  B1 = tibble(X1 = as.double(2)), 
  C1 = tibble(X1 = as.double(3)),
  A5 = tibble(X1 = as.double(1:5)), 
  B5 = tibble(X1 = as.double(6:10)), 
  C5 = tibble(X1 = as.double(11:15)),
  M1 = data.frame(X1 = as.double(1:3), 
                  X2 = as.double(4:6),
                  X3 = as.double(7:9))
)

L2 <- list(
  A1 = tibble(X1 = as.double(4)), 
  B1 = tibble(X1 = as.double(5)), 
  C1 = tibble(X1 = as.double(6)),
  A5 = tibble(X1 = as.double(5:1)), 
  B5 = tibble(X1 = as.double(10:6)), 
  C5 = tibble(X1 = as.double(15:11)),
  M1 = data.frame(X1 = as.double(9:7), 
                  X2 = as.double(6:4),
                  X3 = as.double(3:1))
)

L3 <- list(
  A1 = tibble(X1 = as.double(7)), 
  B1 = tibble(X1 = as.double(8)), 
  A5 = tibble(X1 = as.double(11:15)), 
  B5 = tibble(X1 = as.double(16:20))
)

L <- list(L1, L2, L3)

高效解决方案 #

使用purrr包的向量化操作替代嵌套循环，大幅提升计算速度，同时兼容单列向量、多列矩阵/数据框的情况：

library(purrr)

# 1. 获取所有唯一变量名
all_vars <- unique(unlist(map(L, names)))

# 2. 逐个变量计算均值，保留原数据结构
meanL <- map(all_vars, function(var) {
  # 收集所有包含该变量的列表数据，过滤缺失该变量的列表
  var_data <- map(L, ~.x[[var]]) %>% compact()
  
  # 处理单列数据（单元素、5元素这类tibble）
  if (ncol(var_data[[1]]) == 1) {
    # 提取所有列的数值，按行求均值，转回tibble
    value_matrix <- map_dfc(var_data, ~.x[[1]])
    mean_values <- rowMeans(value_matrix)
    tibble(X1 = mean_values)
  } 
  # 处理多列数据（如3×3矩阵）
  else {
    # 将每个数据按行拉平为向量，保证位置对应
    flattened_data <- map(var_data, ~as.vector(t(.x)))
    # 按位置计算均值
    mean_flattened <- rowMeans(map_dfc(flattened_data, ~.x))
    # 恢复原数据的维度和列名
    matrix(mean_flattened, 
           nrow = nrow(var_data[[1]]), 
           byrow = TRUE,
           dimnames = list(NULL, colnames(var_data[[1]]))
           ) %>% as.data.frame()
  }
}) %>% set_names(all_vars)

方案优势 #

• 用purrr的向量化操作替代嵌套循环，减少R层面的循环开销，速度显著提升
• 直接对向量/矩阵进行数值计算，避免不必要的数据框转换
• 自动过滤缺失变量的列表，无需手动判断每个变量的存在性
• 保留原数据的结构（单列tibble或多列data.frame），无需额外格式转换

内容的提问来源于stack exchange，提问作者bmacwilliams