类似笛卡尔积的列表操作

Question

我有以下列表：

lst = list(
    cat = c("room","shower","garden"),
    dog = c("street", "garden")
)

我希望能够获得输出：

list(
    list(
        animal="cat",
        place ="room"
    ),
    list(
        animal="cat",
        place ="shower"
    ),
    list(
        animal="cat",
        place ="garden"
    ),
    list(
        animal="dog",
        place ="street"
    ),
    list(
        animal="dog",
        place ="garden"
    )
)

目前，我正在使用以下代码：

library(plyr)

grasp <- function(animal, places)
{
    llply(places, function(u) list(animal=animal, place=u))
}

Reduce(append, Map(grasp, names(lst), lst))

但也许有更加优雅/简洁/新颖的选择吗？

- Colonel Beauvel

---

我认为你目前的方法相当不错。 - Rich Scriven

Answer 1

这与expand.grid函数非常接近；然而，它返回一个数据框（您可能考虑改用它）。但是，您可以使用以下代码将其转换为数据框的列表：

# library(magrittr)
do.call(`expand.grid`, c(lst,stringsAsFactors = FALSE)) %>% split(., 1:nrow(.))

这应该像你想要的那样运作。

- MrFlick

Answer 2

我不知道这种方法是否更优雅或更简洁，我猜它并不是最新的，但仍然可以是获得结果的另一种方式：

unlist(lapply(names(lst),function(x){
                             lapply(lst[[x]],function(y,x){
                                               list(animal=x,place=y)
                                                },x=x)
                              }),recursive=F)

我对我的解决方案和你的plyr方法进行了基准测试，针对每个“动物”有1000个“地点”，每个“动物”有50个“地点”（我尝试过更多，但在我的电脑上太慢了...），以下是结果（我没有对magrittr方法进行基准测试，因为我在“虚拟”列表中遇到了错误）：

base_meth<-function(){unlist(lapply(names(lst),function(x){lapply(lst[[x]],function(y,x){list(animal=x,place=y)},x=x)}),recursive=F)}

plyr_meth<-function(){Reduce(append, Map(grasp, names(lst), lst))}

microbenchmark(base_meth(),plyr_meth(),unit="relative",times=500)

 # Unit: relative
 #        expr      min       lq     mean   median       uq      max neval cld
 # base_meth() 1.000000 1.000000 1.000000 1.000000 1.000000 1.000000   500  a 
 # plyr_meth() 6.885256 6.844418 5.798948 6.527788 5.475684 7.589215   500   b

- Cath

---

有趣！我的方法更加函数式，但要慢得多！我猜区别在于我使用 Map 和 Reduce，而你只用了一个 lapply 循环和 unlist（我们使用相同的内部循环！）点赞！ - Colonel Beauvel

@ColonelBeauvel，谢谢:-)。我必须说，基准测试结果有点让我惊讶;-)，但你一定是对的！ - Cath