非规范化/强制列表（带有嵌套向量）到 R 中的 data.frame答案

【问题标题】：denormalize/coerce list (with nested vectors) to data.frame in R非规范化/强制列表（带有嵌套向量）到 R 中的 data.frame
【发布时间】：2017-11-11 20:56:24
【问题描述】：

我正在读取一个 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

我想非规范化为：

  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

我有一个解决方案，但我希望有更简洁的方法。这是嵌套列表：

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]
  )
)

关于可能的重复，这个问题类似于（1）How to denormalize nested list in R?，但结构不同（round/diff/saldo结构与time/value相比在这里被转置) 和 (2) Split comma-separated column into separate rows，但 time 是向量，而不是像 director 这样的逗号分隔元素。我希望这种不同的结构有所帮助。

【问题讨论】：

这是一个简单的基础 R one 班轮：do.call(rbind, lapply(l, data.frame))。
@lmo，太棒了。我喜欢lapply() 如何复制person_id 和person_name 的父变量。如果您将此作为回复发布，我很乐意投票。

标签： r purrr

【解决方案1】：

一个简单的基本 R 方法是使用 lapply 和 data.frame 返回 data.frames 列表，然后使用 do.call 和 rbind 将 data.frames 组合成单个 data.frame 对象。

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

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

请注意，person_name 和 value 将是因子向量，使用起来可能很烦人。如果需要，您可以使用 stringsAsFactors 参数将这些转换为字符向量。

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

打印的输出看起来一样，但是这两个变量的底层数据类型发生了变化。

【讨论】：

【解决方案2】：

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

【讨论】：

【解决方案3】：

为了补充 @lmo 和 @submartingale 的想法/方法，这里有一个 purrr/tidyverse 版本，它将列出的每个嵌套转换为 data.frame/tibble（通过复制 name 和 id 的父元素），然后将它们堆叠到一个小标题。

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

感谢大家提出如此简洁和概括的东西。

【讨论】：

【解决方案4】：

这可行，但不太理想，因为 (a) 新 data.frame 中的每个向量都需要处理，并且 (b) 每个向量的类型是明确的（例如，@987654321 @vspurrr: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
)

【讨论】：

【解决方案5】：

（四年后，我仍然每月使用一次或两次。）yaml 包提供了map handler。在这种情况下，每个地图/人都被转换为tibble。然后dplyr::bind_rows() 堆叠所有小标题以创建更长的单个小标题。

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()

额外细节：使用这个简单的数据集，甚至不需要处理程序——bind_rows() 会自动转换每个部分。但我怀疑它总是知道如何在堆叠之前强制每张地图。此外，这个显式处理程序可以更好地传达意图。

如果您想使用可重现的示例，请将文件路径（即，第一行）替换为

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(...

【讨论】：