tidyverse - 將命名向量轉換為 data.frame/tibble 的首選方法

Question

經常使用tidyverse ，我經常面臨將命名向量轉換為data.frame / tibble的挑戰，其中列是向量的名稱。
這樣做的首選/tidyversey 方式是什么？
編輯：這與： this和this github-issue有關

所以我想要：

require(tidyverse)
vec <- c("a" = 1, "b" = 2)

變成這樣：

# A tibble: 1 × 2
      a     b
  <dbl> <dbl>
1     1     2

我可以通過例如：

vec %>% enframe %>% spread(name, value)
vec %>% t %>% as_tibble

用例示例：

require(tidyverse)
require(rvest)
txt <- c('<node a="1" b="2"></node>',
         '<node a="1" c="3"></node>')

txt %>% map(read_xml) %>% map(xml_attrs) %>% map_df(~t(.) %>% as_tibble)

這使

# A tibble: 2 × 3
      a     b     c
  <chr> <chr> <chr>
1     1     2  <NA>
2     1  <NA>     3

Answer 1

現在可以使用bind_rows （在dplyr 0.7.0引入）直接支持bind_rows ：

library(tidyverse)) 
vec <- c("a" = 1, "b" = 2)

bind_rows(vec)
#> # A tibble: 1 x 2
#>       a     b
#>   <dbl> <dbl>
#> 1     1     2

來自https://cran.r-project.org/web/packages/dplyr/news.html的引言解釋了這一變化：

bind_rows()和bind_cols()現在接受向量。 前者將它們視為行，后者將其視為列。 行需要內部名稱，例如c(col1 = 1, col2 = 2) ，而列需要外部名稱： col1 = c(1, 2) 。 列表仍被視為數據幀，但可以使用!!!進行顯式拼接!!! ，例如bind_rows(!!! x) （＃1676）。

進行此更改后，這意味着用例示例中的以下行：

txt %>% map(read_xml) %>% map(xml_attrs) %>% map_df(~t(.) %>% as_tibble)

可以改寫成

txt %>% map(read_xml) %>% map(xml_attrs) %>% map_df(bind_rows)

這也等同於

txt %>% map(read_xml) %>% map(xml_attrs) %>% { bind_rows(!!! .) }

下面的示例演示了不同方法的等效性：

library(tidyverse)
library(rvest)

txt <- c('<node a="1" b="2"></node>',
         '<node a="1" c="3"></node>')

temp <- txt %>% map(read_xml) %>% map(xml_attrs)

# x, y, and z are identical
x <- temp %>% map_df(~t(.) %>% as_tibble)
y <- temp %>% map_df(bind_rows)
z <- bind_rows(!!! temp)

identical(x, y)
#> [1] TRUE
identical(y, z)
#> [1] TRUE

z
#> # A tibble: 2 x 3
#>       a     b     c
#>   <chr> <chr> <chr>
#> 1     1     2  <NA>
#> 2     1  <NA>     3

Answer 2

慣用的方法是將矢量與!!!拼接在一起。 在tibble()調用中，因此命名的矢量元素成為列定義：

library(tibble)
vec <- c("a" = 1, "b" = 2)
tibble(!!!vec)
#> # A tibble: 1 x 2
#>       a     b
#>   <dbl> <dbl>
#> 1     1     2

^{由reprex軟件包 （v0.3.0）創建於2019-09-14}

Answer 3

有趣的是，您可以將as_tibble()方法用於列表，以在一次調用中執行此操作。 請注意，這不是最佳做法，因為這不是導出方法。

tibble:::as_tibble.list(vec)

Answer 4

as_tibble(as.list(c(a=1, b=2)))

Answer 5

這對我c("a" = 1, "b" = 2) %>% t() %>% tbl_df() ： c("a" = 1, "b" = 2) %>% t() %>% tbl_df()