R语言如何将数据集按多列元素全组合拆分为独立小数据集

实现方案 #

你可以直接用基础R自带的split函数或者tidyverse生态的工具完成按多列组合拆分数据集的需求，两种方案都支持自动生成独立对象，适配多元素列的场景：

方案1：基础R实现（无需安装额外包） #

1. 首先按question和year两列的唯一组合拆分数据集：

# 导入示例数据集
championships <- structure(list(id = structure(c(25, 25, 25, 25, 25, 25, 25, 25, 
25, 25), format.stata = "%8.0g"), year = structure(c(2018, 2018, 
2018, 2018, 2018, 2018, 2018, 2018, 2018, 2018), format.stata = "%8.0g"), 
    round = structure(c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1), format.stata = "%8.0g"), 
    question = structure(c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10), format.stata = "%8.0g"), 
    correct = structure(c(0, 0, 0, 0, 0, 0, 1, 0, 1, 0), format.stata = "%8.0g")), row.names = c(NA, 
-10L), class = c("tbl_df", "tbl", "data.frame"))

# 按两列组合拆分，drop=TRUE会自动剔除不存在的空组合
split_list <- split(championships, list(championships$question, championships$year), drop = TRUE)

2. 一键将列表中的所有小数据集导出为全局环境的独立对象：

# 可选：自定义对象名格式，比如改成q1_2018、q2_2018的命名规则
names(split_list) <- paste0("q", gsub("\\.", "_y", names(split_list)))

# 导出到全局环境
list2env(split_list, envir = .GlobalEnv)

操作完成后直接输入对象名比如q1_y2018就能调取对应组合的数据集。

方案2：tidyverse实现（适配tidy语法习惯） #

library(tidyverse)

# 分组后嵌套生成拆分后的数据集列表
split_df <- championships %>%
  group_by(question, year) %>%
  nest() %>%
  # 自定义生成独立对象的名称
  mutate(obj_name = paste0("q", question, "_y", year))

# 批量导出到全局环境
walk2(split_df$data, split_df$obj_name, ~assign(.y, .x, envir = .GlobalEnv))

实用提示 #

• 如果需要拆分更多列，只需要在split的分组列表或者group_by参数中追加对应列名即可，后续逻辑不需要改动，适配任意数量的拆分列
• 可以在导出前过滤无效分组：比如只保留观测数≥3的分组，基础R可以加split_list <- split_list[sapply(split_list, nrow) >= 3]，tidyverse可以在nest()后加filter(nrow(data) >=3)
• 如果拆分后的分组数量非常多，不建议生成大量独立对象，直接操作拆分后的列表会更方便管理，需要时取split_list[["q1_y2018"]]即可

内容的提问来源于stack exchange，提问作者Aaron