如何避免重复代码，从DataFrame按类别生成多个向量？

问题背景 #

现有如下结构的DataFrame：

Item     Category
[1] Apple    Fruit
[2] Onion    Vegetable
[3] Potato   Vegetable
[4] Grapes   Fruit
[5] Cabbage  Vegetable
[6] Orange   Fruit
[7] Peach    Fruit 

需要按Category分组，生成对应类别的Item向量，期望结果如下：

Fruit
[1] "Apple"  "Grapes" "Orange" "Peach"

Vegetable
[1] "Onion"   "Potato"  "Cabbage"

原有的实现方式是针对每个类别单独筛选转换，代码如下：

Vegie <- df %>% 
  filter(Category == "Vegetable")

Vegie <- as.vector(Vegie$Item)

但实际场景中有17个类别，重复操作效率低且代码冗余，需要更简洁的实现方式。

解决方案 #

方法1：基础R的split()函数（最简洁） #

一行代码即可按类别拆分出所有向量，返回一个命名列表，列表每个元素对应类别的Item向量：

item_vectors <- split(df$Item, df$Category)

调用item_vectors$Fruit可直接获取水果类向量，item_vectors$Vegetable获取蔬菜类向量，所有类别会自动生成对应元素。

方法2：tidyverse风格实现（dplyr + purrr） #

若习惯使用tidyverse工具链，可按以下步骤实现：

library(dplyr)
library(purrr)

item_vectors <- df %>%
  group_split(Category, .keep = FALSE) %>%
  set_names(unique(df$Category)) %>%
  map(unlist)

• group_split()：按类别拆分出每个组的DataFrame
• set_names()：给列表设置对应类别的名称
• map(unlist)：将每个组的DataFrame转换为向量

结果验证 #

运行上述任意方法后，输入item_vectors即可查看所有类别的向量：

> item_vectors
$Fruit
[1] "Apple"  "Grapes" "Orange" "Peach"

$Vegetable
[1] "Onion"   "Potato"  "Cabbage"

内容的提问来源于stack exchange，提问作者Samarth