R dplyr中的问题是如何将列表输出写入数据框中。下面给出了两种解决方法。

第一种方法是使用`do`函数，不需要改变当前的`SlowFunction`函数。代码如下：

library(dplyr)
iris %>%
   group_by(Species) %>%
   do(data.frame(SlowFunction(.$Sepal.Length)))

这段代码将iris数据集按照Species进行分组，然后对每个组应用`SlowFunction`函数，并将结果输出为数据框。输出的数据框包括Species列以及`SlowFunction`函数的计算结果。

第二种方法是使用`group_split`函数和`map_dfr`函数。代码如下：

bind_cols(Species = unique(iris$Species), iris %>%
     group_split(Species) %>%
     map_dfr(~SlowFunction(.$Sepal.Length)))

这段代码首先通过`group_split`函数将iris数据集按照Species进行分组，然后使用`map_dfr`函数对每个组应用`SlowFunction`函数，并将结果按列合并。最后，通过`bind_cols`函数将Species列与计算结果合并为一个数据框。

这两种方法都可以将列表输出写入数据框中，具体选择哪种方法可以根据实际情况和个人喜好来决定。

在上面的代码中，使用了SlowFunction函数来计算每个Species组中Sepal.Length列的均值和标准差。然后，将其存储在一个list列中，并将结果展开成一个新的data.frame。

问题的出现原因是，如果直接将SlowFunction的输出结果存储在一个data.frame中，会导致计算速度非常慢。因此，使用list列来存储输出结果可以提高计算速度。

解决方法是使用dplyr包中的summarise函数将输出结果存储在一个list列中。然后，使用unnest函数将list列展开成一个新的data.frame。

通过对比不同方法的计算速度，发现这种方法是最快的。相比使用do和group_map方法，这种方法的计算速度分别快了2倍和2.5倍。

因此，将SlowFunction的输出结果存储在一个list列中，并使用unnest函数展开成一个新的data.frame是解决这个问题的最佳方法。

R语言中的dplyr包是一个数据处理包，可以方便地对数据进行操作和转换。在使用dplyr包的过程中，有时候会遇到将列表输出转换为数据框的问题，本文就是为了解决这个问题而展开的。

在dplyr 0.8.0或更高版本中，可以使用group_map函数来解决这个问题。group_map函数可以按组逐个应用函数，并将结果转换为数据框。

以一个示例为例，我们可以使用group_by函数按照鸢尾花的种类对数据进行分组，然后使用group_map函数将SlowFunction函数应用于每个组。SlowFunction函数的输出需要被转换为数据框。

代码如下：

library(dplyr)
iris %>%
  group_by(Species) %>%
  group_map(~SlowFunction(.x$Sepal.Length) %>% as.data.frame())

运行上述代码后，会得到一个数据框作为输出。数据框的列包括Species（鸢尾花的种类）、mean（Sepal.Length的均值）和sd（Sepal.Length的标准差）。数据框的行数与不同种类的鸢尾花数量相同。

通过以上的解释，我们可以清楚地了解到在使用dplyr包进行数据处理时，如果需要将列表输出转换为数据框，可以使用group_map函数来实现。这个问题的解决方法非常简单明了，只需要在group_map函数中将列表输出转换为数据框即可。