如何在R语言中实现分类分组的字典式嵌套列表？

嘿，作为R语言新手刚接触这种字典式嵌套列表确实容易卡壳，我来给你几个简洁高效的方案，比你写的循环要省心太多啦！

首先先明确你的需求：把表格里的行名（项目）按照value列的分类（1-12）分组，得到一个以分类为索引、对应项目向量为值的列表。先拿你给的示例数据来演示：

# 先构造你的示例表格
myTable <- data.frame(value = c(3, 1, 2, 3, 2), row.names = c("A", "B", "C", "D", "E"))

方法一：用基础R的tapply（最简洁高效） #

tapply是R基础包中专门用于分组处理的函数，完全能一步到位实现你的需求：

data <- tapply(rownames(myTable), myTable$value, c)

运行后你会得到和期望一致的结构：

> data
$`1`
[1] "B"

$`2`
[1] "C" "E"

$`3`
[1] "A" "D"

这个结果自动只保留有数据的分类。如果想要强制包含1-12所有分类（哪怕是空的），可以后续补全：

# 创建1-12的空列表
full_data <- vector("list", 12)
names(full_data) <- 1:12

# 把有数据的分组填充进去
full_data[names(data)] <- data

方法二：用tidyverse工具链（适合熟悉dplyr的用户） #

如果你平时习惯用tidyverse系列包，也可以用dplyr+tibble来实现：

library(dplyr)
library(tibble)

data <- myTable %>%
  rownames_to_column("item") %>%  # 把行名转成普通列，方便分组操作
  group_by(value) %>%
  summarise(items = list(item)) %>%  # 每个分类下的项目存成列表
  deframe()  # 把两列转换为"分类-项目列表"的结构

说说你原来代码的问题 #

你写的循环思路是对的，但有点绕而且效率不高：

• data[i] <- list() 初始化空列表是没问题的，但后续tmp <- data[val]取的是列表的一个元素（还是列表类型），tmp[[name]] <- name其实是给这个子列表添加了命名元素，最后赋值回去的时候逻辑有点冗余。
• 基础R的分组函数（比如tapply、split）都是经过优化的，比手动写循环处理大数据时快很多。

内容的提问来源于stack exchange，提问作者HectorLector