#> 1 4 21.4 #> 2 4 22.8 #> 3 4 26.0 #> 4 4 30.4 #> 5 4 33.9 #> 6 6 17.8 #> # ……还有 9 行

• 4. 这段代码是做什么的？它为什么可能有用？

mtcars %>% group_by(cyl) %>% summarize_each(funs(list))

简化列表列

要应用你在本书中学到的数据处理和可视化技术，你需要将列表列简化回普通列（原子向量），或一组列。你用来折叠回更简单结构的技术取决于你想要每个元素一个值，还是多个值：

• 如果你想要单个值，可以使用 mutate() 配合 map_lgl()、map_int()、map_dbl() 和 map_chr() 来创建原子向量。
• 如果你想要多个值，可以使用 unnest() 将列表列转换回普通列，并根据需要重复行。

这些内容将在以下章节中更详细地介绍。

列表转向量

如果你能将列表列简化为原子向量，那么它就会变成普通列。例如，你总是可以用对象的类型和长度来概括它，所以无论你有什么样的列表列，这段代码都能工作：

df <- tribble( ~x, letters[1:5], 1:3, runif(5) )