在R中如何对嵌套列表计算逐元素均值？优化代码方案

我有一个数据集my_data，它是长度为50的列表，每个元素由4个各含2个值的子列表组成（子列表由指定二元正态分布生成）。目标是计算整个数据集中所有子列表对应位置元素的均值，比如所有第1个子列表的第1个元素的均值、第1个子列表的第2个元素的均值，以此类推。目前已经用循环和中间变量实现，但希望找到更简便的方法，比如用dplyr包，避免创建大量中间变量。

原实现代码：

set.seed(4991)

mean_list <- list(c(0,0),c(3,3),c(6,6),c(0,0))

#Covariance matrix
cov_mat <- matrix(c(1, .8, .8, 1), 2)  

my_data <- list()

#50 iterations 
for (k in 1:50){
  seg_data <- list()
  for (i in 1:4) {
    seg_data[[i]] <- abs(mvrnorm(1, mu = mean_list[[i]], Sigma = cov_mat) )
  }
  my_data[[k]] <- seg_data
}


first_list1 <- c()
first_list2 <- c()
second_list1 <- c()
second_list2<- c()
third_list1 <- c()
third_list2 <- c()
fourth_list1 <- c()
fourth_list2 <- c()

for (p in 1:length(my_data)) {
  first_list1[p]  <- my_data[[p]][[1]][1]
  first_list2[p]  <- my_data[[p]][[1]][2]
  second_list1[p] <- my_data[[p]][[2]][1]
  second_list2[p] <- my_data[[p]][[2]][2]
  third_list1[p]  <- my_data[[p]][[3]][1]
  third_list2[p]  <- my_data[[p]][[3]][2]
  fourth_list1[p] <- my_data[[p]][[4]][1]
  fourth_list2[p] <- my_data[[p]][[4]][2]
}

data.frame(first_elements=c(mean(first_list1,na.rm = T),
                            mean(second_list1,na.rm = T),
                            mean(third_list1,na.rm = T),
                            mean(fourth_list1,na.rm = T))
          ,second_elements=c(mean(first_list2,na.rm = T),
                            mean(second_list2,na.rm = T),
                            mean(third_list2,na.rm = T),
                            mean(fourth_list2,na.rm = T))
          ) 

方案1：tidyverse（dplyr + purrr）简洁实现 #

利用purrr的映射函数替代嵌套循环生成数据，再通过dplyr的分组汇总完成均值计算，全程无需中间变量：

library(tidyverse)
library(MASS)

set.seed(4991)
mean_list <- list(c(0,0),c(3,3),c(6,6),c(0,0))
cov_mat <- matrix(c(1, .8, .8, 1), 2)  

# 优化数据生成：用map替代双层循环
my_data <- map(1:50, ~map(mean_list, ~abs(mvrnorm(1, mu = .x, Sigma = cov_mat))))

# 计算对应位置均值
my_data %>%
  map_dfr(~as.data.frame(.x), .id = "subgroup") %>%
  group_by(subgroup) %>%
  summarise(
    first_elements = mean(V1, na.rm = TRUE),
    second_elements = mean(V2, na.rm = TRUE)
  ) %>%
  ungroup()

方案2：Base R 无额外包实现 #

将嵌套列表转换为三维数组，利用apply函数直接计算指定维度的均值：

# 转换为三维数组：样本数 × 子组数 × 元素数
arr <- simplify2array(my_data)
# 调整维度顺序为子组数 × 元素数 × 样本数
arr <- aperm(arr, c(2, 3, 1))
# 对每个子组的每个元素计算均值
result <- apply(arr, 1:2, mean, na.rm = TRUE)
# 转换为目标数据框格式
as.data.frame(result) %>% setNames(c("first_elements", "second_elements"))

方案3：dplyr + tidyr 重塑数据实现 #

通过数据的宽长转换，更直观地分组计算均值：

library(dplyr)
library(tidyr)
library(purrr)

my_data %>%
  imap_dfr(~as.data.frame(.x) %>% mutate(sample_id = .y)) %>%
  pivot_longer(cols = starts_with("V"), names_to = "element", values_to = "value") %>%
  group_by(subgroup, element) %>%
  summarise(mean_value = mean(value, na.rm = TRUE)) %>%
  pivot_wider(names_from = element, values_from = mean_value) %>%
  rename(first_elements = V1, second_elements = V2)

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