如何基于连续时间元素将DataFrame拆分为DataFrame列表

这里有个简洁的方案来完成你需要的DataFrame拆分需求，用R的基础函数就能轻松实现：

首先先确认你的原始数据定义：

thedata <- data.frame(
  group= c(0,0,0,0,0,1,1,1,1,1),
  experiment = c(0,0,1,1,1,0,0,1,1,1),
  time = c(1,2,3,4,5,1,2,3,4,5)
)

接下来按照以下步骤生成目标列表：

1. 定义拆分的时间终点：我们需要生成包含time从1到3、1到4、1到5的三个子DataFrame，所以先列出对应的最大时间值：

max_times <- c(3, 4, 5)

2. 生成DataFrame列表：用lapply遍历每个最大时间值，筛选出原始数据中time小于等于该值的所有行：

split_list <- lapply(max_times, function(n) {
  thedata[thedata$time <= n, ]
})

3. 给列表元素命名：按照题目要求给每个列表元素命名为1、2、3：

names(split_list) <- as.character(1:3)

验证输出 #

现在查看生成的列表，完全符合你的需求：

• 第一个列表元素（split_list$1``）：

split_list$`1`
#   group experiment time
# 1     0          0    1
# 2     0          0    2
# 3     0          1    3
# 6     1          0    1
# 7     1          0    2
# 8     1          1    3

• 第二个列表元素（split_list$2``）：

split_list$`2`
#   group experiment time
# 1     0          0    1
# 2     0          0    2
# 3     0          1    3
# 4     0          1    4
# 6     1          0    1
# 7     1          0    2
# 8     1          1    3
# 9     1          1    4

• 第三个列表元素（split_list$3``）：

split_list$`3`
#    group experiment time
# 1      0          0    1
# 2      0          0    2
# 3      0          1    3
# 4      0          1    4
# 5      0          1    5
# 6      1          0    1
# 7      1          0    2
# 8      1          1    3
# 9      1          1    4
# 10     1          1    5

这个方法的核心是利用lapply的批量处理能力，结合简单的行筛选逻辑，既简洁又容易理解，完全匹配你需要的连续时间拆分需求。

内容的提问来源于stack exchange，提问作者SlyGrogger