將列表（帶有嵌套向量）非規范化/強制轉換為 R 中的 data.frame

Question

我正在閱讀一個 yaml 文件，例如

- person_id: 111
  person_name: Russell
  time:
  - 1
  - 2
  - 3
  value:
  - a
  - b
  - c
- person_id: 222
  person_name: Steven
  time:
  - 1
  - 2
  value:
  - d
  - e

我想非規范化為：

  person_id person_name time value
1       111     Russell    1     a
2       111     Russell    2     b
3       111     Russell    3     c
4       222      Steven    1     d
5       222      Steven    2     e

我有一個解決方案，但我希望有更簡潔的方法。 這是嵌套列表：

l <- list(
  list( 
    person_id   = 111L,
    person_name = "Russell", 
    time        = 1:3, 
    value       = letters[1:3]
  ),
  list( 
    person_id   = 222L,
    person_name = "Steven", 
    time        = 1:2, 
    value       = letters[4:5]
  )
)   

關於可能的重復，這個問題類似於 (1)如何在 R 中非規范化嵌套列表？ ，但結構不同（ round / diff / saldo結構在這里與time / value相比轉置），以及（2）將逗號分隔的列拆分為單獨的行，但time是向量，而不是逗號分隔的元素喜歡director 。 我希望這種不同的結構有所幫助。

Answer 1

Reduce(rbind,lapply(l,data.frame))

Answer 2

為了補充@lmo和@submartingale的想法/方法，這是一個purrr / tidyverse版本，該版本將列出的每個嵌套轉換為data.frame / tibble（通過復制name和id的父元素），然后將它們堆疊為一個tibble 。

l %>% 
  purrr::map_df(tibble::as_tibble)

謝謝你們提出的如此簡潔和可概括的建議。

Answer 3

一個簡單的基本R方法是使用lapply和data.frame返回data.frame的列表，然后將其與rbind一起使用do.call將data.frame組合為單個data.frame對象。

do.call(rbind, lapply(l, data.frame))

哪個返回

  person_id person_name time value
1       111     Russell    1     a
2       111     Russell    2     b
3       111     Russell    3     c
4       222      Steven    1     d
5       222      Steven    2     e

請注意，person_name和value將是因子向量，使用時會很煩人。 如果需要，可以使用stringsAsFactors參數將其轉換為字符向量。

do.call(rbind, lapply(l, data.frame, stringsAsFactors=FALSE))

打印的輸出看起來相同，但是這兩個變量的基礎數據類型已更改。

Answer 4

這可行，但不理想，因為（a）需要處理新data.frame中的每個向量，並且（b）每個向量的類型都是顯式的（ 例如 purrr:map_chr與purrr:map_int ）

# Step 1: Determine how many time the 'parent' rows need to be replicated.
values_per_person <- l %>% 
  purrr::modify_depth(2, length) %>% 
  purrr::map_int("value")

# Step 2: Pull out the parent rows and replicate the elements to match `time`.
id_replicated <- l %>% 
  purrr::map_int("person_id") %>% 
  rep(times=values_per_person)    
name_replicated <- l %>%
  purrr::map_chr("person_name") %>% 
  rep(times=values_per_person)

# Step 3: Pull out the nested/child rows.
time <- l %>%
  purrr::modify_depth(1, "time") %>% 
  purrr::flatten_int()
value <- l %>%
  purrr::modify_depth(1, "value") %>% 
  purrr::flatten_chr()

# Step 4: Combine the vectors in a data frame.
data.frame(
  person_id   = id_replicated,
  person_name = name_replicated,
  time        = time,
  value       = value
)

Answer 5

（四年后，我仍然每個月使用一兩次。 ）yaml 包提供了一個地圖處理程序。 在這種情況下，每個 map/person 都被轉換為tibble 。 然后dplyr::bind_rows()所有小標題堆疊起來以創建一個更長的單個小標題。

path_yaml |> # Replace this line with code below to see a working example.
  yaml::read_yaml(
    handlers = list(map = \(x) tibble::as_tibble(x))
  ) |> 
  dplyr::bind_rows()

額外的細節：使用這個簡單的數據集，甚至不需要處理程序—— bind_rows()自動轉換每個部分。 但我懷疑它總是知道如何在堆疊之前強制每個地圖。 此外，這個顯式處理程序可以更好地傳達意圖。

如果您想使用可重現的示例，請將文件路徑（即第一行）替換為

string <- 
"- person_id: 111
  person_name: Russell
  time:
  - 1
  - 2
  - 3
  value:
  - a
  - b
  - c
- person_id: 222
  person_name: Steven
  time:
  - 1
  - 2
  value:
  - d
  - e
"

textConnection(string) |> 
  yaml::read_yaml(...