从树递归创建data.frame的正确方法

Question

我想从 R 中的一棵树创建一个平面 data.frame。

树由一个列表表示，每个列表都包含一个名为 children 的键，其中包含更多具有更多子级的列表。

tree <-
  list(name="root",
       parent_name='None',
       children=list(
         list(parent_name="root", name="child1", children=list()),
         list(parent_name="root", name="child2", children=list(list(parent_name="child2", name="child3", children=c())))
       )
      )

我想将其“扁平化”为具有以下结构的data.frame：

    name parent_name
1   root        None
2 child1        root
3 child2        root
4 child3      child2

我可以使用以下递归函数完成此操作：

walk_tree <- function(node) {
  results <<- rbind(
    results,
    data.frame(
      name=node$name,
      parent_name=node$parent_name,
      stringsAsFactors=FALSE
    )
  )

  for (node in node$children) {
    walk_tree(node)
  }
}

这个函数可以正常工作，但需要我在函数之外声明一个results data.frame：

results <- NULL
walk_tree(tree)
results # now contains the data.frame as desired

此外，当 walk_tree 函数作为函数包含在包中时，使用 <<- 运算符会导致出现以下警告：

Note: no visible binding for '<<-' assignment to 'results'

使用<- 运算符不会（results 在运行walk_tree 后计算为NULL）。

从 R 中的树递归构建 data.frame 的正确方法是什么？

Answer 1

一种方法是将所有具有“名称”和“父名称”的节点聚集在一起，并与它们一起创建一个数据框。

#Flatten the nested structure
u_tree <- unlist(tree)

#Gather all the indices where name of the node is equal to parent_name
inds <- grepl("parent_name$", names(u_tree))

#Add them in a dataframe
data.frame(name = u_tree[!inds], parent_name = u_tree[inds])

#    name parent_name
#    root        None
#2 child1        root
#3 child2        root
#4 child3      child2

Answer 2

你不远:)，使用dplyr::bind_rows

walk_tree <- function(node) {
  dplyr::bind_rows(
    data.frame(
      name=node$name,
      parent_name=node$parent_name,
      stringsAsFactors=FALSE),
    lapply(node$children,walk_tree)
  )
}

walk_tree(tree)

    name parent_name
1   root        None
2 child1        root
3 child2        root
4 child3      child2

和基础 R 版本：

walk_tree <- function(node) {
  do.call(
    rbind,
    c(
    list(data.frame(
      name=node$name,
      parent_name=node$parent_name,
      stringsAsFactors=FALSE)),
    lapply(node$children,walk_tree)
  ))
}

walk_tree(tree)

Answer 3

rev(data.frame(matrix(stack(tree)[,1],,2,T)))#MHHH seems too easy for the task
      X2     X1
1   None   root
2 child1   root
3 child2   root
4 child3 child2

stack(tree)%>%
mutate(new=rep(1:(n()/2),each=2),ind=rep(ind[2:1],n()/2))%>%
spread(ind,values)
  new   name parent_name
1   1   None        root
2   2 child1        root
3   3 child2        root
4   4 child3      child2

Answer 4

您可以使用 ape 包中出色的树结构并以括号格式写入数据（逗号 (,) 表示顶点，括号表示边，您的叶子是“孩子” - 树是以分号结尾 (;))。

## Reading a tree
my_tree <- "(child1, (child2, child3));"
tree <- ape::read.tree(text = my_tree)

## Getting the edge table (your flatten format)
tree$edge
#     [,1] [,2]
#[1,]    4    1
#[2,]    4    5
#[3,]    5    2
#[4,]    5    3

其中4 是您的root（树中最深的顶点（叶子数+ 1））。它将"child1" 连接到顶点5。 5 表示连接"child2" 和"child3" 的第一个顶点。 您可以将此结构可视化如下（phylo 的 S3 绘图方法）

## Plotting the tree
plot(tree)
ape::nodelabels()

您可以向任何子节点添加额外的结构（树），如下所示：

child1_children <- ape::read.tree(text = "(child4, (child5, child6));")
## Adding child1_children to the first leave
tree2 <- ape::bind.tree(tree, child1_children, where = 1)
## Plotting the tree
plot(tree2)
ape::nodelabels()
tree2$edge
#     [,1] [,2]
#[1,]    6    7
#[2,]    7    3
#[3,]    7    8
#[4,]    8    4
#[5,]    8    5
#[6,]    6    9
#[7,]    9    1
#[8,]    9    2

或者删除一些使用与ape::drop.tip相同的原理。