您可以unlist列表并强制rowSumsas.list，这可能更有效。

as.list(rowSums(sapply(test, unlist)))
# $right
# [1] 1
# 
# $left
# [1] 0

• 数据：*

test <- list(list(right=FALSE, left=FALSE), list(right=TRUE, left=FALSE))

Reduce需要一个接受两个参数的函数，它将得到Reduce的前一个值的结果和传递给Reduce的向量中的一个新元素

Reduce(\(x,y) list(left = x$left + y$left, right = x$right + y$right), test)

就我个人而言，我会使用sapply（或者Map，如果您愿意的话）首先获取left/right元素，然后将它们传递给sum：

sapply(test, \(x) x$left) |> sum()

包含Map和Reduce的版本为：

Map(\(x) x$left, test) |> Reduce(f = \(x, y) x + y)

或

Map(\(x) x$left, test) |> Reduce(f = `+`)

使用purrr

library(purrr)
sides <- c("left", "right")

setNames(sides, sides) |>
    map(~(map_int(test, chuck, .x))) |>
    map(reduce, `+`)

##> $left
##> [1] 0
##> 
##> $right
##> [1] 1

由于需要按名称进行聚合，因此可以使用unlist和tapply按名称求和：

ll <- list(list(right = FALSE, left = FALSE), list(right = TRUE, left = FALSE))
un <- unlist(ll)
tapply(un, names(un), FUN = sum)
# left right 
#    0     1

您可以先转置：

purrr::transpose(ll) |>
  lapply(Reduce, f = sum)

# $right
# [1] 1
# 
# $left
# [1] 0

除了它们分别生成一个命名向量、一个xtabs/table对象或一个data.frame之外，它们都是相同的。在所有这些方法中，我们都取消列出输入，并将其堆叠到一个两列的 Dataframe 中。然后我们使用xtabs() |> c()、xtabs()或aggregate。

# named vector output
L |>
  unlist() |>
  stack() |>
  xtabs() |>
  c()
## right  left 
##     1     0 

# xtabs/table output
L |>
  unlist() |>
  stack() |>
  xtabs()
## ind
## right  left 
##     1     0 

# data frame output
L |>
  unlist() |>
  stack() |>
  aggregate(values ~ ind, data = _, sum)
##     ind values
## 1 right      1
## 2  left      0

注解

L <- list(list(right = FALSE, left = FALSE), list(right = TRUE, left = FALSE))

我将使用这种方法来计算列表的右和左

a_list <- list(list(right = FALSE, left = FALSE),
               list(right = TRUE, left = FALSE))

library(rlist)

(result <- sapply(c(
  "right",
  "left"
), function(x) {
  rlist::list.count(
    a_list,
    eval(parse(text = x))
  )
}))

right  left 
    1     0