如何在R中高效将整洁层级数据框转换为层级列表网格？

嘿，既然你已经用for循环搞定了需求，还想着找更高效的实现，必须给你点个赞！针对你提到的多词分组变量、带d#前缀描述的实际场景，我整理了base R、tidyverse两种方案，比手动循环简洁高效多了：

Base R 原生实现（无需额外包） #

Base R里的split()天生就是为分组拆分设计的，两级嵌套场景可以直接嵌套调用，完全向量化操作，比for循环快不少：

假设你的数据框是df，第一级分组列是group_level1，第二级是group_level2，描述列是description，代码如下：

# 第一步：两级嵌套拆分，直接生成带层级键的列表
raw_hier_list <- split(df, list(df$group_level1, df$group_level2))

# 第二步：只保留每个子组的描述内容（去掉多余列）
clean_hier_list <- lapply(raw_hier_list, function(sub_df) sub_df$description)

# 第三步：调整结构，把第一级分组作为顶层键，第二级作为子键
final_list <- split(clean_hier_list, names(clean_hier_list)) %>%
  lapply(function(sub_list) {
    # 去掉键名里的第一级前缀，只保留第二级分组名
    sub_names <- sub(".*\\.", "", names(sub_list))
    setNames(sub_list, sub_names)
  })

这个方案的好处是完全依赖base R，不需要安装额外包，处理大体积数据集时性能优势很明显。

Tidyverse 管道式实现（可读性拉满） #

如果你习惯用tidyverse的管道语法，用dplyr的嵌套函数+purrr的映射函数可以写出非常直观的代码，后续扩展也方便：

library(tidyverse)

final_list <- df %>%
  # 按两级分组嵌套数据，只保留描述列
  nest_by(group_level1, group_level2, .key = "desc_list") %>%
  mutate(desc_list = list(desc_list$description)) %>%
  # 把第二级分组转成列，形成宽格式
  pivot_wider(names_from = group_level2, values_from = desc_list) %>%
  # 把第一级分组名转成列表的键
  column_to_rownames("group_level1") %>%
  as.list() %>%
  # 移除空值（如果某些分组组合不存在的话）
  lapply(function(x) x[!is.na(x)])

如果需要处理d#前缀的描述，直接在管道里加一步清洗就行：

final_list <- df %>%
  mutate(clean_desc = str_remove(description, "^d#")) %>% # 去掉d#前缀
  nest_by(group_level1, group_level2, .key = "desc_list") %>%
  mutate(desc_list = list(desc_list$clean_desc)) %>%
  # 后续步骤同上...

这个方案的优势是代码逻辑清晰，每一步都对应一个操作，适合需要频繁调整分组逻辑的场景。

小提示 #

如果你的分组变量里有特殊字符（比如空格），这两个方案都能完美兼容，不需要额外处理键名的问题~

内容的提问来源于stack exchange，提问作者Peter