关于大家提出的问题，我愿按顺序回答并举例说明:

1)如果return语句添加了一个列表，则返回一个列表。考虑

 R> retList <- function() return(list(1,2,3,4)); class(retList())
 [1] "list"
 R> notList <- function() return(c(1,2,3,4)); class(notList())
 [1] "numeric"
 R> 

2)没有设置名称:

R> retList <- function() return(list(1,2,3,4)); names(retList())
NULL
R> 

3)它们不会返回相同的东西。你的例子给出了

R> x <- list(1,2,3,4)
R> x[1]
[[1]]
[1] 1
R> x[[1]]
[1] 1

其中x[1]返回x的第一个元素——这和x是一样的。每个标量都是长度为1的向量。另一方面，x[[1]]返回列表的第一个元素。

4)最后，两者的不同之处在于，它们分别创建一个包含四个标量的列表和一个包含单个元素的列表(恰好是一个包含四个元素的向量)。

就拿你们的一部分问题来说

这篇关于索引的文章解决了[]和[[]]之间的区别问题。

简而言之，[[]]从列表中选择单个项目，[]返回所选项目的列表。在你的例子中，x = list(1,2,3,4)'项目1是一个整数，但x[[1]]返回一个1，而x[1]返回一个只有一个值的列表。

> x = list(1, 2, 3, 4)
> x[1]
[[1]]
[1] 1

> x[[1]]
[1] 1

只是为了解决你问题的最后一部分，因为这确实指出了R中列表和向量之间的区别:

为什么这两个表达式不返回相同的结果? X = list(1,2,3,4);X2 = list(1:4)

列表可以包含任何其他类作为每个元素。所以你可以有一个列表，其中第一个元素是一个字符向量，第二个是一个数据帧，等等。在本例中，您创建了两个不同的列表。X有四个向量，每个向量的长度都是1。X2有一个长度为4的向量:

> length(x[[1]])
[1] 1
> length(x2[[1]])
[1] 4

这是完全不同的列表。

R列表非常类似于哈希映射数据结构，因为每个索引值都可以与任何对象相关联。下面是一个简单的列表示例，它包含3个不同的类(包括一个函数):

> complicated.list <- list("a"=1:4, "b"=1:3, "c"=matrix(1:4, nrow=2), "d"=search)
> lapply(complicated.list, class)
$a
[1] "integer"
$b
[1] "integer"
$c
[1] "matrix"
$d
[1] "function"

假设最后一个元素是搜索函数，我可以这样调用它:

> complicated.list[["d"]]()
[1] ".GlobalEnv" ...

作为最后的评论:应该注意data.frame实际上是一个列表(来自data.frame文档):

数据帧是一组行数相同且行名唯一的变量，给定类"data.frame"

这就是为什么data.frame中的列可以有不同的数据类型，而矩阵中的列则不能。举个例子，在这里我尝试用数字和字符创建一个矩阵:

> a <- 1:4
> class(a)
[1] "integer"
> b <- c("a","b","c","d")
> d <- cbind(a, b)
> d
 a   b  
[1,] "1" "a"
[2,] "2" "b"
[3,] "3" "c"
[4,] "4" "d"
> class(d[,1])
[1] "character"

请注意，我无法将第一列的数据类型更改为数字，因为第二列有字符:

> d[,1] <- as.numeric(d[,1])
> class(d[,1])
[1] "character"

列表之所以能够(有序地)工作，原因之一是为了满足对有序容器的需求，该容器可以在任何节点上包含任何类型，而向量不能做到这一点。在R中，列表被重用用于各种目的，包括形成data.frame的基，这是一个任意类型(但长度相同)的向量列表。

为什么这两个表达式不返回相同的结果?

x = list(1, 2, 3, 4); x2 = list(1:4)

给@Shane的答案加上一点，如果你想得到同样的结果，试试:

x3 = as.list(1:4)

它将1:4的向量强制转换为一个列表。

你说:

另一方面，可以返回列表 从函数中 调用时传入一个List 函数，即使函数 不包含List构造函数， 例如,

x = strsplit(LETTERS[1:10], "") # passing in an object of type 'character'
class(x)
# => 'list'

我猜你认为这是个问题(?)我在这里告诉你为什么这不是问题:-)。您的示例有点简单，因为当您执行字符串拆分时，您拥有一个包含1个元素的列表，因此您知道x[[1]]与unlist(x)[1]相同。但是如果strsplit的结果在每个bin中返回不同长度的结果呢?简单地返回一个向量(而不是一个列表)根本不行。

例如:

stuff <- c("You, me, and dupree",  "You me, and dupree",
           "He ran away, but not very far, and not very fast")
x <- strsplit(stuff, ",")
xx <- unlist(strsplit(stuff, ","))

在第一种情况下(x:返回一个列表)，您可以告诉第三个字符串的第二个“部分”是什么，例如:x[[3]][2]。既然结果已经“解开”(未列出)，您如何使用xx做同样的事情呢?

再补充一点:

R在散列包中确实有一个与Python dict等效的数据结构。你可以在这篇来自开放数据组的博客文章中读到它。这里有一个简单的例子:

> library(hash)
> h <- hash( keys=c('foo','bar','baz'), values=1:3 )
> h[c('foo','bar')]
<hash> containing 2 key-value pairs.
  bar : 2
  foo : 1

就可用性而言，哈希类非常类似于列表。但对于大型数据集，性能更好。

x = list(1, 2, 3, 4)
x2 = list(1:4)
all.equal(x,x2)

不一样，因为1:4等于c(1,2,3,4) 如果你想让它们相同，那么:

x = list(c(1,2,3,4))
x2 = list(1:4)
all.equal(x,x2)

关于其他语言中的向量和哈希/数组概念:

Vectors are the atoms of R. Eg, rpois(1e4,5) (5 random numbers), numeric(55) (length-55 zero vector over doubles), and character(12) (12 empty strings), are all "basic". Either lists or vectors can have names. > n = numeric(10) > n [1] 0 0 0 0 0 0 0 0 0 0 > names(n) NULL > names(n) = LETTERS[1:10] > n A B C D E F G H I J 0 0 0 0 0 0 0 0 0 0 Vectors require everything to be the same data type. Watch this: > i = integer(5) > v = c(n,i) > v A B C D E F G H I J 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 > class(v) [1] "numeric" > i = complex(5) > v = c(n,i) > class(v) [1] "complex" > v A B C D E F G H I J 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i Lists can contain varying data types, as seen in other answers and the OP's question itself.

我见过一些语言(ruby, javascript)，其中的“数组”可能包含变量数据类型，但例如在c++中，“数组”必须是相同的数据类型。我相信这是一个速度/效率的问题:如果你有一个数字(1e6)，你可以先验地知道它的大小和每个元素的位置;如果某个未知片段中可能包含“紫飞食人”，那么你就必须真正分析这些内容来了解它的基本事实。

当类型得到保证时，某些标准R操作也更有意义。例如cumsum(1:9)是有意义的，而cumsum(list(1,2,3,4,5，'a'，6,7,8,9)则没有意义，因为不能保证类型为double。

关于你的第二个问题:

即使在调用函数时从未传入List，也可以从函数返回List

函数返回的数据类型总是与输入的数据类型不同。Plot返回一个Plot，即使它不接受一个Plot作为输入。Arg返回一个数字，即使它接受了复数。等。

(至于strsplit:源代码在这里。)

如果有帮助的话，我倾向于把R中的“列表”想象成其他前oo语言中的“记录”:

它们没有对总体类型做任何假设(或者说，所有可能记录的任何arity和字段名的类型都是可用的)。 它们的字段可以是匿名的(然后按照严格的定义顺序访问它们)。

“record”这个名字会与数据库术语中“记录”(又名行)的标准含义相冲突，这可能就是为什么它们的名字本身就暗示了:作为列表(字段)。

为什么这两个不同的操作符[]和[[]]返回相同的结果?

x = list(1, 2, 3, 4)

[ ] provides sub setting operation. In general sub set of any object will have the same type as the original object. Therefore, x[1] provides a list. Similarly x[1:2] is a subset of original list, therefore it is a list. Ex. x[1:2] [[1]] [1] 1 [[2]] [1] 2 [[ ]] is for extracting an element from the list. x[[1]] is valid and extract the first element from the list. x[[1:2]] is not valid as [[ ]] does not provide sub setting like [ ]. x[[2]] [1] 2 > x[[2:3]] Error in x[[2:3]] : subscript out of bounds

虽然这是一个相当老的问题，但我必须说，它正好触及了我在R的第一步中所缺失的知识——即如何将我手中的数据表示为R中的对象，或者如何从现有的对象中进行选择。对于一个R新手来说，从一开始就“在R盒子里”思考并不容易。

所以我自己开始使用下面的拐杖，这帮助我找到什么对象使用什么数据，基本上想象现实世界的用法。

虽然我没有给出问题的确切答案，但下面的简短文本可能会帮助那些刚刚以R开头并提出类似问题的读者。

Atomic vector ... I called that "sequence" for myself, no direction, just sequence of same types. [ subsets. Vector ... the sequence with one direction from 2D, [ subsets. Matrix ... bunch of vectors with the same length forming rows or columns, [ subsets by rows and columns, or by sequence. Arrays ... layered matrices forming 3D Dataframe ... a 2D table like in excel, where I can sort, add or remove rows or columns or make arit. operations with them, only after some time I truly recognized that data frame is a clever implementation of list where I can subset using [ by rows and columns, but even using [[. List ... to help myself I thought about the list as of tree structure where [i] selects and returns whole branches and [[i]] returns item from the branch. And because it is tree like structure, you can even use an index sequence to address every single leaf on a very complex list using its [[index_vector]]. Lists can be simple or very complex and can mix together various types of objects into one.

所以对于列表，你可以根据情况选择更多的方法，就像下面的例子。

l <- list("aaa",5,list(1:3),LETTERS[1:4],matrix(1:9,3,3))
l[[c(5,4)]] # selects 4 from matrix using [[index_vector]] in list
l[[5]][4] # selects 4 from matrix using sequential index in matrix
l[[5]][1,2] # selects 4 from matrix using row and column in matrix

这种思维方式对我帮助很大。

这是一个非常老的问题，但我认为一个新的答案可能会增加一些价值，因为在我看来，没有人直接解决OP中的一些问题。

不管接受的答案是什么，R中的列表对象不是哈希映射。如果你想与python并行，列表更像是python列表(实际上是元组)。

最好描述大多数R对象是如何内部存储的(R对象的C类型是SEXP)。它们主要由三部分组成:

一个头，声明对象的R类型，长度和其他一些元数据; 数据部分，这是一个标准的C堆分配数组(连续的内存块); 属性，它是指向其他R对象的指针的命名链表(如果对象没有属性，则为NULL)。

从内部的角度来看，例如，列表和数字向量之间几乎没有区别。它们存储的值是不同的。让我们把两个对象分解到之前描述的范例中:

x <- runif(10)
y <- list(runif(10), runif(3))

x:

头文件会说类型是数字(c端是REALSXP)，长度是10等等。 数据部分将是一个包含10个双精度值的数组。 属性为NULL，因为对象没有任何属性。

y:

头文件会说类型是list (c端是VECSXP)，长度是2等等。 数据部分将是一个包含两个指向两种SEXP类型的指针的数组，分别指向由runif(10)和runif(3)获得的值。 属性是NULL，就像x一样。

所以数字向量和列表之间的唯一区别是数字数据部分由双值组成，而对于列表，数据部分是指向其他R对象的指针数组。

名字会怎么样呢?名字只是你可以分配给对象的一些属性。让我们看看下面的对象:

z <- list(a=1:3, b=LETTERS)

头文件会说类型是list (c端是VECSXP)，长度是2等等。 数据部分将是一个数组，包含2个指向两种SEXP类型的指针，分别指向通过1:3和字母获得的值。 属性现在出现了，是一个名称组件，它是一个字符R对象，值为c("a"，"b")。

在R级别，您可以使用attributes函数检索对象的属性。

R中典型哈希映射的键-值只是一种假象。当你说:

z[["a"]]

事情是这样的:

the [[ subset function is called; the argument of the function ("a") is of type character, so the method is instructed to search such value from the names attribute (if present) of the object z; if the names attribute isn't there, NULL is returned; if present, the "a" value is searched in it. If "a" is not a name of the object, NULL is returned; if present, the position of the first occurence is determined (1 in the example). So the first element of the list is returned, i.e. the equivalent of z[[1]].

键值搜索是相当间接的，并且总是位置搜索。另外，记住:

在哈希映射中，键必须具有的唯一限制是它必须是可哈希的。R中的名称必须是字符串(字符向量); 在哈希映射中，不能有两个相同的键。在R中，你可以用重复的值给一个对象分配名称。例如: name (y) <- c("same"， "same")

在r中完全有效。当您尝试y[["same"]]时，会检索到第一个值。现在你应该知道原因了。

总之，给对象赋予任意属性的能力会让您从外部角度看到不同的外观。但是R列表并不是哈希映射。

你可以试试，

set.seed(123)
l <- replicate(20, runif(sample(1:10,1)), simplify = FALSE)

out <- vector("list", length(l))
for (i in seq_along(l)) {
  out[[i]] <- length(unique(l[[i]])) #length(l[[i]])
}
unlist(out)

unlist(lapply(l,length))
unlist(lapply(l, class))
unlist(lapply(l, mean))
unlist(lapply(l, max))