R Academy · 课时

keep()、discard() 与列表筛选

Q: 「keep()、discard() 与列表筛选」这节课中我会学到什么？

使用谓词函数筛选列表元素，构建整洁的数据处理管道 你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

使用谓词函数筛选列表元素，构建整洁的数据处理管道

keep()、discard() 与列表筛选 是 CoddyKit 上的免费 R Academy 课时。这是第 4 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 R Academy 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 R Academy 课程共包含 4 节课。

使用 purrr 过滤列表

purrr 提供了一系列函数，用于根据谓词对列表进行过滤、搜索和测试。谓词是一个返回 TRUE 或 FALSE 的函数。这些函数可以替代冗长的 Filter() 调用和条件循环。

library(purrr)

# A mixed list to filter
mixed <- list(1L, 'hello', 3.14, NULL, TRUE, 42L, 'world', NULL)

cat('Total elements:', length(mixed), '\n')
cat('Non-NULL elements:', length(compact(mixed)))

keep() — 保留符合谓词的元素

keep(.x, .p) 只保留 .x 中谓词 .p 返回 TRUE 的元素。它与 discard() 的作用相反。谓词可以是函数名称、公式或逻辑向量。

library(purrr)

mixed <- list(1L, 'hello', 3.14, TRUE, 42L, 'world', 2.7)

# Keep only numeric values
numeric_only <- keep(mixed, is.numeric)
print(numeric_only)

# Keep values greater than 5
keep(mixed, ~is.numeric(.x) && .x > 5)

discard() — 移除符合谓词的元素

discard(.x, .p) 会移除谓词返回 TRUE 的元素，保留其余元素。它与 keep() 相反。您可以使用它从列表中过滤掉空值、NA 或不需要的类型。

library(purrr)

results <- list(
  model_a = list(rmse=2.5, converged=TRUE),
  model_b = list(rmse=NA, converged=FALSE),
  model_c = list(rmse=1.8, converged=TRUE),
  model_d = list(rmse=NA, converged=FALSE)
)

# Discard models that did not converge
converged_models <- discard(results, ~!.x$converged)
map_dbl(converged_models, ~.x$rmse)

compact() — 移除 NULL 元素

compact(.x) 会从列表中移除所有 NULL 元素，相当于 discard(.x, is.null)，但写法更加简洁。在 map() 调用可能对某些输入返回 NULL 时，这个函数尤其有用。

library(purrr)

# Simulate fetching data that might return NULL
ids <- 1:6
fetch_data <- function(id) {
  if (id %% 2 == 0) NULL else list(id=id, value=id*10)
}

raw_results <- map(ids, fetch_data)
cat('With NULLs:', length(raw_results), '\n')

clean_results <- compact(raw_results)
cat('Without NULLs:', length(clean_results))

detect() — 查找第一个匹配项

detect(.x, .p) 返回满足谓词的第一个元素。如果没有元素匹配，则返回 NULL。使用 detect(.right=TRUE) 可以从右侧开始搜索并找到最后一个匹配项。

library(purrr)

prices <- list(15.99, 8.50, 23.99, 5.25, 19.99, 4.75)

# Find first price under $10
first_cheap <- detect(prices, ~.x < 10)
cat('First price under $10:', first_cheap, '\n')

# Find last price under $10
last_cheap <- detect(prices, ~.x < 10, .right=TRUE)
cat('Last price under $10:', last_cheap)

detect_index() — 查找第一个匹配项的位置

detect_index(.x, .p) 返回第一个满足谓词的元素的索引（如果没有找到，则返回 0L）。当您需要的是位置而不是值时，这很有用，例如更新或提取该元素。

library(purrr)

models <- list(
  list(name='lm', rmse=3.5),
  list(name='rf', rmse=2.1),
  list(name='xgb', rmse=1.8),
  list(name='svm', rmse=2.4)
)

# Find the index of the best model (lowest RMSE)
best_idx <- detect_index(models, function(m) m$rmse < 2.0)
cat('Best model index:', best_idx, '\n')
cat('Best model name:', models[[best_idx]]$name)

every() — 所有元素都匹配吗？

如果每个元素都满足谓词，every(.x, .p) 就返回 TRUE。遇到第一个 FALSE 时会立即停止计算。它等价于 all(map_lgl(.x, .p))，但采用惰性求值。

library(purrr)

batch_results <- list(
  list(status='success', rows=150),
  list(status='success', rows=200),
  list(status='success', rows=175)
)

failed_batch <- list(
  list(status='success', rows=150),
  list(status='error', rows=0),
  list(status='success', rows=175)
)

cat('All success (good):', every(batch_results, ~.x$status == 'success'), '\n')
cat('All success (bad):', every(failed_batch, ~.x$status == 'success'))

some() — 是否有元素匹配？

如果至少一个元素满足谓词，some(.x, .p) 就返回 TRUE。遇到第一个 TRUE 时会立即停止计算。它等价于 any(map_lgl(.x, .p))，但采用惰性求值。

library(purrr)

datasets <- list(
  data.frame(x=1:3, y=c(1,NA,3)),
  data.frame(x=4:6, y=7:9),
  data.frame(x=7:9, y=c(NA,NA,NA))
)

# Does any dataset contain NAs?
cat('Any NAs:', some(datasets, anyNA), '\n')

# Is every dataset NA-free?
cat('All clean:', every(datasets, ~!anyNA(.x)))

none() — 没有元素匹配吗？

如果没有任何元素满足谓词，none(.x, .p) 就返回 TRUE。它等价于 !some(.x, .p)，但在需要断言某个条件不存在的验证场景中，可读性更好。

library(purrr)

api_responses <- list(
  list(code=200, data='OK'),
  list(code=200, data='OK'),
  list(code=201, data='Created')
)

# Ensure no errors occurred
no_errors <- none(api_responses, ~.x$code >= 400)
cat('No errors:', no_errors, '\n')

# Check another batch
bad_batch <- c(api_responses, list(list(code=500, data='Error')))
none(bad_batch, ~.x$code >= 400)

将 keep() 与 map() 结合使用

将 keep()（或 discard()）与 map() 链式结合是一种常见模式：先筛选出列表中相关的元素，再应用转换。这样可以清晰地将筛选逻辑与处理逻辑分开。

library(purrr)

model_results <- list(
  list(name='A', converged=TRUE, rmse=2.5),
  list(name='B', converged=FALSE, rmse=NA),
  list(name='C', converged=TRUE, rmse=1.8),
  list(name='D', converged=TRUE, rmse=3.1)
)

# Keep converged, extract RMSE
model_results %>%
  keep(~.x$converged) %>%
  map_dbl(~.x$rmse)

将 keep() 与 is.* 函数结合使用

R 内置的 is.* 谓词函数（is.numeric、is.character、is.null、is.na、is.finite）可以直接作为 keep() 和 discard() 的谓词使用，无需用 ~ 包装。

library(purrr)

mixed_env <- list(
  count = 42L,
  name = 'Alice',
  ratio = 3.14,
  flag = TRUE,
  missing = NULL,
  data = data.frame(x=1:3)
)

# Extract different types
numeric_items <- keep(mixed_env, is.numeric)
cat('Numeric items:', length(numeric_items), '\n')

# Remove NULL items
cleaned <- discard(mixed_env, is.null)
cat('After removing NULL:', length(cleaned))

快速检查

当 .x 中没有任何元素满足谓词 .p 时，detect(.x, .p) 会返回什么？

回顾：列表筛选函数

purrr 列表筛选工具的要点：

keep(.x, .p) — 保留谓词为 TRUE 的元素
discard(.x, .p) — 删除谓词为 TRUE 的元素
compact(.x) — 删除所有 NULL 元素
detect(.x, .p) — 返回第一个匹配谓词的元素（或 NULL）
detect_index(.x, .p) — 返回第一个匹配项的索引（或 0L）
every(.x, .p) — 如果所有元素都匹配，则为 TRUE
some(.x, .p) — 如果任意元素匹配，则为 TRUE
none(.x, .p) — 如果没有元素匹配，则为 TRUE

library(purrr)

scores <- list(45, 72, 88, 53, 91, 67, 39, 85)

passing <- keep(scores, ~.x >= 60)
failing <- discard(scores, ~.x >= 60)

cat('Passing:', length(passing), 'students\n')
cat('Failing:', length(failing), 'students\n')
cat('All pass:', every(scores, ~.x >= 60), '\n')
cat('Any fail:', some(scores, ~.x < 60), '\n')
cat('First pass score:', detect(scores, ~.x >= 60))

常见问题解答

「keep()、discard() 与列表筛选」课时是免费的吗？

是的 — 「keep()、discard() 与列表筛选」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 R Academy 课程的其余内容，请升级到 CoddyKit PRO。 R Academy 课程共包含 4 节课。

「keep()、discard() 与列表筛选」这节课中我会学到什么？

使用谓词函数筛选列表元素，构建整洁的数据处理管道你通过在浏览器中直接运行的动手代码来练习 R Academy，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 R Academy 需要有经验吗？

无需任何先前经验。CoddyKit 上的 R Academy 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 4 节课，共 4 节。

「keep()、discard() 与列表筛选」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 R Academy 课中编写并运行代码吗？

能。每节 R Academy 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 R Academy