Nano Hash - криптовалюты, майнинг, программирование

Получение вложенных элементов из списка

Я пытаюсь получить вложенные элементы из списка. Я могу извлечь элементы, используя: unlist(pull_lists[[i]]$content[[n]]['sha']), однако кажется, что я не могу вставить их во вложенный список. Я извлек один элемент из списка в суть, что создает воспроизводимый пример ниже. Вот что у меня есть до сих пор:

library("devtools")
pull_lists <- list(source_gist("669dfeccad88cd4348f7"))

sha_list <- list()
for (i in length(pull_lists)){
  for (n in length(pull_lists[[i]]$content)){
  sha_list[i][n] <- unlist(pull_lists[[i]]$content[[n]]['sha'])
  }
}

Как я могу вставлять элементы вложенным способом?

r list data-manipulation
24.07.2015

  • Одна насущная проблема length(pull_lists[[i]]$content) == 0 24.07.2015

Ответы:


1

Когда я загружаю контент, я получаю гораздо более сложную структуру, чем вы. Для меня это не pull_lists[[i]]$content, это pull_lists[[i]]$value$content[[1 or 2]]$parents$sha. Причина, по которой ничего не заполняется, заключается в том, что там нечего заполнять (т. е. n = 0).

Мне приходилось иметь дело с подобными структурами данных раньше. Я обнаружил, что гораздо проще искать структуру именования после исключения из списка, чем вычислять правильную последовательность подмножеств.

Вот пример:

sha_locations <- grep("sha$",names(unlist(pull_list[[1]])))
unlist(pull_list[[1]])[sha_locations]

Немного очистив цикл for, это будет выглядеть так:

sha_list <- lapply(
   pull_list, 
   function(x) unlist(x)[grep("sha$",names(unlist(x)))]
)

Поскольку существует несколько SHA, и вопрос касается только SHA в определенных позициях, вам необходимо извлечь эти SHA:

sha_list <- sha_list[[1]][attr(sha_list[[1]], "names")=="value.content.sha"]
24.07.2015
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..