2.1.5 列表
下面接着介绍一个像机器猫的口袋一样神奇的数据结构——列表（见图2-8）。
列表可以容纳各种类型的数据对象，向量、矩阵、数据框，甚至一个列表也可以成为另一个列表的元素。下面的对象example就是一个列表，它的第一个元素是一个字符，第二个元素是一个数值向量，第三个元素是一个矩阵，第四个元素则是一个数据框。
列表同样是一种非常重要的数据结构，很多复杂的统计函数最终的返回结果就是列表形式，方便后续分析时按需索引。下面介绍处理列表数据的常用操作。
1．创建
创建一个新列表很容易，采用函数list(a, b, c, d)就可以把a，b，c，d四个对象组合成一个list对象。请读者尝试生成上面的示例列表example，顺便复习前面所讲的各种类型变量的创建方法。
2．基本操作
面对一个list对象，首先要学会的三种基本操作是：查看、引用和添加元素。查看时仍使用函数str( )，尤其是在列表这种数据结构中，快速查看列表内容有时在帮我们理清头绪方面大有用处。先来玩个小游戏，你能否在10秒内观察说出下面这个list的每个元素分别是什么？
可能你已经看晕了，这时采用str( )函数就可以帮我们理清楚。别看这个函数非常简单，但它在实际处理列表数据时大有用处。它用层级告诉我们，这个list对象由两个子list构成，其中第一个list包含两个整数，第二个list包含两个对象：一个是英文字母的文本向量，一个是一个小list。这样就比之前清楚多了。
关于引用，可以采用list对象中子元素的名字引用，也可以使用它们的序号来引用，添加list元素的操作也类似。下面的示范展示了如何用名字、序号来引用complex的第一个元素，以及如何通过这两种方式为其添加新元素。
前面介绍过一个非常有用的可以对数据进行“高效分组，同步计算”的函数：ddply( )。这个函数的优点在于把一整块数据按照某种规则分拆成多个部分，然后同步计算，各个击破。对比这里介绍的数据结构，它已经天然地把数据分好块，存储在一个列表中。我们不禁要问，有没有一种函数能够对列表中的每个元素同步计算，继续执行类似ddply( )的第二步呢？当然有，常用的lapply( )，sapply( )和mapply( )，以及tapply( )，vapply( )，rapply( )等，都可以实现这类操作，而且各具特色，感兴趣的读者可以查看相应的帮助文档。
下面以一份模拟的“老王耗子药的销售数据”为例进行说明，这三个函数到底能帮我们做什么。
近几年老王卖耗子药的价格如下：
老王基本上每年每个季度都要调整一次价格，那怎么看这三年耗子药价格的水平呢？一一求均值？其实lapply( )就可以同时求出所有的均值。
lapply( )函数可以对列表中的每个元素实施某种“相同的操作”，在上面的示例中这个“相同的操作”就是求均值，当然也可以换成求方差、求分位数等其他可以对数值向量操作的函数，如下所示：
均值求出来了，但它仍以列表形式输出，那么如何以向量、矩阵形式输出呢？此处就可以使用函数sapply( )。 sapply( )与lapply( )的工作原理类似，只是输出的结果就是想要的矩阵或向量，无须再做转换，操作结果如下所示：
最后要介绍的函数是mapply( )，它能对多个list中相同位置的元素共同作用，也就是sapply( )的多变量版本。以老王耗子药的数据为例，假如现在老王已经大概了解了这几年耗子药价格的波动，但是还不够，老王想知道自己每年最终收入是多少，这就需要结合耗子药的销量数据。老王找出了他每年年底统计的各个季度的销量数据，即下面的amount：
接下来需要做的是：把每年每个季度的价格与它对应的销量相乘，算出每个季度的总收入。这似乎需要在两个数据对象（列表）中操作，lapply( )和sapply( )都不符合要求。此时，就需要用到mapply( )函数，如下所示：
这里，mapply( )函数分别把price的第一个元素year2014与amount的第一个元素year2014相乘，price的第二个元素year2015与amount的第二个元素year2015相乘，依次类推。由于这里所指的每个元素都是一个向量，因此它们相乘的结果仍然是一个向量，最终组合起来即是一个矩阵。需要注意的是：使用mapply( )函数需要在第一个参数中规定一个函数（这里是“∗”），后面几个参数填入列表、向量等，mapply( )的作用原理就是对后面几个参数对应位置的元素作用相应函数。
本节介绍了向量、矩阵、数据框及列表这四种常用的结构。后面还会学习各种各样的数据分析算法的R语言实现过程，亲眼见证一个有力的工具如何帮我们实现精妙的点子，如何一点点挖掘数据，让规律现身，让事实说话。当然，这一切实现的基础就是我们对数据的类型、结构的精准把握。
注释
[1]函数class( )可以显示一个数据对象的数据类型。
[2]Grouping Functions（Tapply，by，Aggregate） and the Apply Family．http://stackoverflow.com/questions/3505701/r-grouping-functions-sapply-vs-lapply-vs-apply-vs-tapply-vs-by-vs-aggregate．