如何基于R语言DataFrame按SentenceID生成向量列表并实现序列填充？

嘿，这个需求其实很简单，分两步就能完美实现，先从你的原始数据开始：

首先是你提供的DataFrame生成代码（方便我们复现场景）：

SentenceID = c(1,1,1,1,2,2,2,3,3,3,3,3,3,3,3)
Tokens = c("I","went","to","school","nobody","can","find","some","people","know","what","they","are","doing","now")
WordIndex = c(3,4,7,8,9,10,12,54,34,66,33,89,87,23,22)
df = data.frame(SentenceID, Tokens, WordIndex)

接下来分两步完成你的目标：

第一步：按SentenceID生成WordIndex的向量列表 #

用基础R的split()函数就能直接搞定，这是最简洁的方式：

# 按SentenceID拆分WordIndex列，得到初始列表X
X <- split(df$WordIndex, df$SentenceID)

运行之后，你就能得到预期的初始列表：

X
[[1]]
[1] 3 4 7 8

[[2]]
[1]  9 10 12

[[3]]
[1] 54 34 66 33 89 87 23 22

第二步：把每个向量填充0至10个元素 #

我们可以先写个小函数来处理单个向量的补全，然后用lapply()遍历整个列表：

# 定义补全函数：将向量补到指定长度（这里是10），不足的部分填0
pad_to_length <- function(vec, target_length = 10) {
  # 先判断原向量长度，如果超过目标长度可以选择截断（你的例子里都没超，这步可选）
  if (length(vec) > target_length) {
    return(vec[1:target_length])
  } else {
    # 拼接原向量和足够的0
    return(c(vec, rep(0, target_length - length(vec))))
  }
}

# 给列表X的每个元素应用补全函数
X_padded <- lapply(X, pad_to_length)

运行后就得到你想要的填充结果：

X_padded
[[1]]
 [1] 3 4 7 8 0 0 0 0 0 0

[[2]]
 [1]  9 10 12  0  0  0  0  0  0  0

[[3]]
 [1] 54 34 66 33 89 87 23 22  0  0

要是你觉得写函数麻烦，也可以用一行代码直接搞定填充，更简洁：

X_padded <- lapply(X, function(x) c(x, rep(0, max(0, 10 - length(x)))))

这个和上面的函数效果完全一致。

另外，如果你习惯用tidyverse工具链（dplyr + purrr），也可以这么写：

library(dplyr)
library(purrr)

X_padded <- df %>%
  group_by(SentenceID) %>%
  summarise(vec = list(WordIndex)) %>%
  mutate(vec = map(vec, ~c(.x, rep(0, max(0, 10 - length(.x)))))) %>%
  pull(vec)

这个方法更贴合tidyverse的工作流，结果也是一样的。

不管用哪种方法，都能精准实现你的需求～

内容的提问来源于stack exchange，提问作者Krishna