R语言中如何对列表内各数据集选取kfold生成的子集？

错误原因 #

你报错是因为mylist_groups是列表对象，不是单个数据框，不能直接用[group_obj != 1, ]这种针对数据框的索引语法——R会在全局环境查找group_obj，但它只存在于列表内的每个数据框中，自然找不到。

解决方案 #

针对列表中的每个数据集，需要用lapply批量处理，下面提供两种可行方式：

方式一：直接批量生成训练子集

library(dismo)

# 构造数据集列表
data_1 <- mtcars
data_2 <- iris
mylist <- list(data_1, data_2)

# 对列表中每个数据集执行kfold分组并提取训练集
presence_train_list <- lapply(mylist, function(df) {
  # 生成5折分组
  groups <- kfold(x = df, k = 5)
  # 提取排除第1组的训练数据
  df[groups != 1, ]
})

# 可选：给列表元素命名，方便后续调用
names(presence_train_list) <- c("mtcars_train", "iris_train")

方式二：先添加分组列再提取训练子集

如果需要保留分组信息，可以先给每个数据框添加分组列，再批量筛选：

library(dismo)

data_1 <- mtcars
data_2 <- iris
mylist <- list(data_1, data_2)

# 给每个数据集添加kfold分组列
mylist_with_groups <- lapply(mylist, function(df) {
  df$group_obj <- kfold(x = df, k = 5)
  df
})

# 批量提取训练集
presence_train_list <- lapply(mylist_with_groups, function(df) {
  df[df$group_obj != 1, ]
})

后续调用 #

处理完成后，presence_train_list是一个列表，每个元素对应原数据集的训练子集。例如查看mtcars的训练集：

# 通过索引调用
presence_train_list[[1]]
# 命名后可通过名称调用
presence_train_list$mtcars_train

另外，你原代码中的mylist_data是冗余的，它只是原样返回mylist，可以直接删除。

内容的提问来源于stack exchange，提问作者Cameron