如何用rapply提取深度嵌套列表特定子层级，高效合并向量为矩阵？

首先先放出生成测试数据的代码，方便复现场景：

set.seed(42)
L <- replicate(10, list(list(c=sample(10, 2), x1=rnorm(10), x2=rnorm(10)), p=sample(10, 10)), simplify=FALSE)

现有方案回顾 #

你已经找到了提取p的简洁方法：

p_mat <- do.call(rbind, sapply(L, "[", 2))

而提取c用了双重sapply：

c_mat <- do.call(rbind, sapply(sapply(L, `[`, 1), `[`, 1))

这两种方法都能生效，但确实可以优化得更高效、更易读。

更高效的直接索引方案（推荐） #

因为你的列表结构是固定的——每个顶层元素都是list(内部列表, p向量)，而内部列表里的c是明确的子元素，我们可以直接用[[精准访问，避免嵌套sapply的冗余操作：

提取c #

# 直接定位每个顶层元素的第一个子元素中的c
c_mat <- do.call(rbind, lapply(L, function(x) x[[1]]$c))

如果你的R版本在4.1及以上，还可以用更简洁的箭头函数写法：

c_mat <- do.call(rbind, lapply(L, \(x) x[[1]]$c))

提取p #

同样，直接访问顶层元素的第二个位置即可，用lapply比sapply更稳定（避免自动简化带来的意外问题）：

p_mat <- do.call(rbind, lapply(L, `[[`, 2))

这种直接索引的方式比双重sapply快得多，因为它跳过了不必要的递归遍历，直接定位到目标元素。

用rapply实现的方案 #

如果你一定要用rapply，其实也可以做到，但rapply是递归遍历所有叶子节点，我们需要额外过滤出名字为c的元素：

# 递归遍历所有元素，以列表形式收集结果
c_list <- rapply(L, function(x) x, how = "list")
# 过滤出名字为c的元素并合并成矩阵
c_mat_rapply <- do.call(rbind, unlist(c_list, recursive = FALSE)[names(unlist(c_list, recursive = FALSE)) == "c"])

不过说实话，这种方法不如直接索引高效，因为rapply会遍历所有的x1、x2元素，做了很多无用功，只适合结构不固定的场景。

后续计算列均值 #

拿到合并后的矩阵后，直接用colMeans就能计算每列的均值：

# 计算c矩阵的列均值
colMeans(c_mat)
# 计算p矩阵的列均值
colMeans(p_mat)

效率对比（可选） #

如果想直观看到不同方法的速度差异，可以用microbenchmark包测试：

library(microbenchmark)
microbenchmark(
  double_sapply = do.call(rbind, sapply(sapply(L, `[`, 1), `[`, 1)),
  direct_index = do.call(rbind, lapply(L, \(x) x[[1]]$c)),
  rapply_method = do.call(rbind, unlist(rapply(L, function(x) x, how = "list"), recursive = FALSE)[names(unlist(rapply(L, function(x) x, how = "list"), recursive = FALSE)) == "c"]),
  times = 1000
)

测试结果会显示，直接索引的方法是最快的，双重sapply次之，rapply方法最慢。

内容的提问来源于stack exchange，提问作者jay.sf