Un moyen plus efficace d'analyser les éléments d'une liste imbriquée

Question

Je développe a function that parses a nested list. Malheureusement, à cause de la nature des données brutes, il n'y a vraiment aucun moyen de le faire de cette façon. Les trois derniers bits du code dans la fonction me font un peu peur, mais ils font le travail. Ici, ils sont:

mkList <- lapply(rec, function(x){ 
     lapply(regex, function(y) grep(y, x, value = TRUE)) }) 
rem <- lapply(mkList, function(x){ 
     lapply(x, function(y) sub("[a-z]+,", "", y)) }) 
lapply(rem, read.as.csv) 

Oui, vous voyez que correctement, il est 5 appels consécutifs à lapply. Et oui, vous l'aurez deviné, read.as.csv appelle aussi lapply

---

Pour faire un petit exemple reproductible, tenez compte de la liste imbriquée x et la suivante « double » lapply morceau. Le résultat est exactement ce que je veux, mais je suis curieux

Existe-t-il un moyen plus efficace d'appliquer une fonction à la liste interne d'une liste imbriquée?

Les éléments de liste interne sont des vecteurs csv de longueur de chaîne variable.

> (x <- list(list(a = c("a,b,c", "d,e,f"), 
        b = c("1,2,a,b,c,d", "3,4,e,f,g,h")))) 

# [[1]] 
# [[1]]$a 
# [1] "a,b,c" "d,e,f" 
# 
# [[1]]$b 
# [1] "1,2,a,b,c,d" "3,4,e,f,g,h" 

> lapply(x, function(y){ 
     lapply(y, function(z) do.call(rbind, strsplit(z, ","))) 
    }) 

# [[1]] 
# [[1]]$a 
#  [,1] [,2] [,3] 
# [1,] "a" "b" "c" 
# [2,] "d" "e" "f" 
# 
# [[1]]$b 
#  [,1] [,2] [,3] [,4] [,5] [,6] 
# [1,] "1" "2" "a" "b" "c" "d" 
# [2,] "3" "4" "e" "f" "g" "h" 

Answer 1

Parmi les fonctions les moins connues dans la famille *apply est rapply --pour « lapply récursive ». Il semble que vous essayez de faire:

rapply(x, function(y) do.call(rbind, strsplit(y, ",", TRUE)), how = "replace") 
# [[1]] 
# [[1]]$a 
#  [,1] [,2] [,3] 
# [1,] "a" "b" "c" 
# [2,] "d" "e" "f" 
# 
# [[1]]$b 
#  [,1] [,2] [,3] [,4] [,5] [,6] 
# [1,] "1" "2" "a" "b" "c" "d" 
# [2,] "3" "4" "e" "f" "g" "h" 

Pour cet exemple, il y a une ombre derrière votre approche, mais comme vous l'échelle l'exemple en place, il se révèle être plus efficace.