在更改嵌套对象类型时嵌套和组合数据列

Question

我得到了一个“参考”数据框，它总结了我的主要数据（此处未显示）中的哪些变量应该被过滤以及由哪些值过滤。例如，两个这样的变量是age 和color：

• age 应根据值范围进行过滤
• color 应根据具体值进行过滤。

这是我为 age 和 color 提供的“过滤参考表”的示例：

library(tibble)
library(tidyr)

my_filter_ref_df <-
  structure(
    list(
      var_name = c("age", "colors"),
      min = c(18L, NA),
      max = c(60L, NA),
      values = list(NULL, c("blue", "orange",
                            "yellow", "purple")),
      filtering_type = c("range", "specific")
    ),
    row.names = c(NA,-2L),
    class = c("tbl_df", "tbl", "data.frame")
  )

##   var_name   min   max values    filtering_type
##   <chr>    <int> <int> <list>    <chr>         
## 1 age         18    60 <NULL>    range         
## 2 colors      NA    NA <chr [4]> specific 


## and just to get a sense of the nested data:
my_filter_ref_df %>% unnest_wider(values)

##   var_name   min   max ...1  ...2   ...3   ...4   filtering_type
##   <chr>    <int> <int> <chr> <chr>  <chr>  <chr>  <chr>         
## 1 age         18    60 NA    NA     NA     NA     range         
## 2 colors      NA    NA blue  orange yellow purple specific 

所需输出

my_filter_ref_df 的当前格式不方便。我只想在一列中包含过滤值，因为每一行都与主数据中的不同变量有关。这样，当我需要快速引用此表时，我总是可以使用相同的代码来完成，而不管要查询的变量是什么。

所以我需要 (1) 将 min 和 max 值组合到一个对象，并且 (2) 将该对象嵌套在 values 列中（在 my_filter_ref_df 中，我们已经有一个 values 列）。所以我的目标是输出类似于以下nested_df。

library(purrr)

nested_df <-
  structure(
  list(
    var_name = c("age", "colors"),
    values = list(c(min = 18L, max = 60L),
                  c("blue", "orange", "yellow", "purple")),
    filtering_type = c("range",
                       "specific")
  ),
  row.names = c(NA,-2L),
  class = c("tbl_df", "tbl", "data.frame")
)

## # A tibble: 2 x 3
##   var_name values    filtering_type
##   <chr>    <list>    <chr>         
## 1 age      <int [2]> range         
## 2 colors   <chr [4]> specific

> nested_df %>% purrr::chuck("values")
## [[1]]
## min max 
##  18  60 

## [[2]]
## [1] "blue"   "orange" "yellow" "purple"

我的尝试

我看到了类似的已解决问题here。所以我试过这个：

library(dplyr)

my_filter_ref_df %>%
  nest(values_2 = c(min, max)) %>% 
  mutate(values_2 = map(values_2, simplify))

##             __????___????__????____????_____????______????____
##            |                                      |
##   var_name |values    filtering_type values_2     ????
##   <chr>    ↓<list>    <chr>          <list>       |
              ********                               ????
## 1 age      *<NULL>*    range          <int [2]> --|
              ********
## 2 colors   <chr [4]>   specific       <int [2]>

使用这个 unicode 艺术我试图证明values_2 中的向量（对于age）实际上应该在values 列而不是当前的NULL 列中，而values_2 列不应该存在。

Answer 1

一个简单的解决方案是通过filtering_type单独处理：

# filtering_type == "range"
a <- my_filter_ref_df %>%
  filter(filtering_type == "range") %>% 
  nest(values2 = c(min, max)) %>% 
  mutate(values = map(values2, simplify)) %>% 
  select(-values2)

# filtering_type == "specific"
b <- my_filter_ref_df %>%
  filter(filtering_type == "specific") %>% 
  select(-min, -max)

# rbind 
nested_df <- rbind(a, b)