R语言如何将data.frame拆分为含唯一group组对的小data.frame列表

问题描述 #

我需要将示例data拆分，得到由更小的data.frame组成的列表，每个子data.frame对应指定列的唯一组合。希望得到通用的函数式解决方案，可适配列名、列数与示例不同的任意数据集。

示例数据 #

m=
  "
    y   group time outcome
    7   a     1    A
    3   a     0    B
    6   a     1    B
    5   b     0    A
    9   b     1    A
    4   b     0    B"

data <- read.table(text = m, h=T)

预期输出 #

desired_output <-
list(
  data.frame(y =   5   , group =   "b"     , time =   0   , outcome =       "A" ),
  data.frame(y = c(7,9), group = c("a","b"), time = c(1,1), outcome = c("A","A")),
  data.frame(y = c(3,4), group = c("a","b"), time = c(0,0), outcome = c("B","B")),
  data.frame(y =   6   , group =   "a"     , time =   1   , outcome =       "B"))

注：原示例预期输出中第三条的outcome字段存在笔误，已根据原始数据修正为B

解决方案 #

方法1：Base R 无依赖实现 #

用原生split()函数即可实现，可灵活指定分组列，适配所有数据框场景：

# 通用函数：df为输入数据框，group_cols为用于拆分的分组列名向量
split_to_group_list <- function(df, group_cols) {
  # 按指定列的唯一组合拆分，去除空分组，移除列表默认命名
  res <- split(df, f = df[, group_cols], drop = TRUE)
  unname(res)
}

# 示例调用：按time、outcome两列的唯一组合拆分
output <- split_to_group_list(data, group_cols = c("time", "outcome"))

方法2：tidyverse 生态实现 #

如果习惯使用dplyr语法，可以用group_split()函数，逻辑更直观：

library(dplyr)

# 示例调用，直接在group_by中指定分组列即可
output <- data %>%
  group_by(time, outcome) %>%
  group_split() %>%
  unname()

两种方案输出结果完全匹配需求，如需调整分组逻辑仅需要修改分组列参数即可，无需改动核心代码。

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