R: rbind 一个 data.frames 的列表，在不同的数据框中有不同的列

Question

我有一个包含 11,383 个数据帧的列表。我需要将它们合并到一个大数据框中，但是它们有不同的列（2、3、4 列），所以当我使用 Dplyr 中的 rbind_all 时，我得到的结果不是我想要的。

一种解决方法是绑定具有相同列数的数据帧（它们具有不同的 headers，但我不介意它们）。由于我有 2,3 和 4 列的数据框，根据列表中每个数据框的列数，它会产生 3 个大数据框。

预期输出：

具有 4 列的数据框：

SKU             Tv y Video  Tecnología  Deportes
2003091070002P  Tv y Video  Tecnología  Deportes
2.00E+12        Tv y Video  Tecnología  Deportes
2003120060008P  Tv y Video  Tecnología  Deportes
2004121460080P  Cómputo     Tecnología  Decohogar
2.00G+12        Cómputo     Tecnología  Decohogar
2004121440802P  Cómputo     Tecnología  Decohogar
2.00A+12        Cómputo     Tecnología  Decohogar

具有 2 列的数据框：

            SKU         PROMOCIONES
1   110 2089060010006P  PROMOCIONES
2   111 2089660010006P  PROMOCIONES

#

这是我的代码：

df_2col <- data.frame()  #Starts Data frame for dfs with 2 columns

df_3col <- data.frame()  #Starts Data frame for dfs with 3 columns

df_4col <- data.frame()  #Starts Data frame for dfs with 4 columns


lapply(my_list, function(i){
    if (ncol(i) == 2)
        df_2col <- rbind(i)
    ifelse (ncol(i) == 3)
        df_3col <- rbind(i)
    ifelse (ncol(i) == 4)
        df_4col <- rbind(i)
})

但是我得到这个错误：

Error in ifelse(ncol(i) == 3) : argument "no" is missing, with no default

我的数据列表示例：

list(list(structure(list(SKU = "2079230130006P", Decohogar = "Decohogar", 
    Para.la.Mesa = "Para.la.Mesa", Copas.y.Vasos = "Copas.y.Vasos"), .Names = c("SKU", 
"Decohogar", "Para.la.Mesa", "Copas.y.Vasos"), class = "data.frame", row.names = 134L)), 
    list(structure(list(SKU = "2079240080001P", Decohogar = "Decohogar", 
        Para.la.Mesa = "Para.la.Mesa", Copas.y.Vasos = "Copas.y.Vasos"), .Names = c("SKU", 
    "Decohogar", "Para.la.Mesa", "Copas.y.Vasos"), class = "data.frame", row.names = 132L)), 
    list(structure(list(SKU = "2069060020005P", PROMOCIONES = "PROMOCIONES"), .Names = c("SKU", 
    "PROMOCIONES"), class = "data.frame", row.names = 111L)), 
    list(structure(list(SKU = "2047121452095P", Dormitorio = "Dormitorio", 
        Colchones = "Colchones", X2.plazas = "X2.plazas"), .Names = c("SKU", 
    "Dormitorio", "Colchones", "X2.plazas"), class = "data.frame", row.names = 223L)), 
    list(structure(list(SKU = "2069060010006P", PROMOCIONES = "PROMOCIONES"), .Names = c("SKU", 
    "PROMOCIONES"), class = "data.frame", row.names = 110L)), 
    list(structure(list(SKU = "2069060010006P", PROMOCIONES = "PROMOCIONES"), .Names = c("SKU", 
    "PROMOCIONES"), class = "data.frame", row.names = 109L)))

注意：当您知道列表中每个数据框的列数时，这将起作用。有没有办法做到这一点？我的意思是，如果将来有一个包含 5 列的数据框，代码应该 return 也为这个数据框提供一个包含 5 列的大数据框。

Answer 1

我们可以展平列表元素 do.call(c,..) 获取每个列表元素 ("indx") 的列数 (ncol)，用它来 split 列表，rbindlist 结果元素。

library(data.table)
my_list1 <- do.call(`c`, my_list)
indx <- sapply(my_list1, ncol)
lst <- lapply(split(my_list1, indx), rbindlist)
lst
#$`2`
#              SKU PROMOCIONES
#1: 2069060020005P PROMOCIONES
#2: 2069060010006P PROMOCIONES
#3: 2069060010006P PROMOCIONES

#$`4`
#             SKU  Decohogar Para.la.Mesa Copas.y.Vasos
#1: 2089230130006P  Decohogar Para.la.Mesa Copas.y.Vasos
#2: 2089240080001P  Decohogar Para.la.Mesa Copas.y.Vasos
#3: 2047121452095P Dormitorio    Colchones     X2.plazas

如果我们需要获取单独的data.frame对象（不推荐），使用list2env

 list2env(setNames(lst, paste0('dat',seq_along(lst))), envir=.GlobalEnv)

更新

如果有 NULL 或 NA 值作为列表元素之一，我们可能会收到此错误

my_list1[[7]] <- NA
split(my_list1, sapply(my_list1, ncol))
#Error in split.default(my_list1, sapply(my_list1, ncol)) : 
 #group length is 0 but data length > 0

然后，我们可以检查元素是否为data.frame（"isDF"），将列表子集化并得到"ncol"，和以前一样。

isDF <- sapply(my_list1, is.data.frame)
indx <- sapply(my_list1[isDF], ncol)
lapply(split(my_list1[isDF], indx), rbindlist)

Answer 2

rbind_all有一个填充函数，用NA替换空白数据。当我第一次尝试使用 rbind 时出现错误，因为您提供的数据集是列表列表而不是数据帧列表。我首先将嵌套列表转换为数据帧，然后使用 rbind 创建单个数据帧。

您的示例数据是 "x"

sapply(x, class)
x2 <- lapply(x, as.data.frame)
x3 <- rbind_all(x2)

我不知道你是否正在制作一个整洁的数据框，但如果你是，你可以使用 tidyr 来帮助

library(tidyr)
x4 <- gather(x3, key=SKU, na.rm=TRUE)[,-2]

更新

问题现在已解决，但这是我对解决方案的更新，列出了各个类别的数据帧

x5 <- lapply(unique(x4$value), function(n) filter(x4, value == n))

R: rbind 一个 data.frames 的列表，在不同的数据框中有不同的列

R: rbind a list of data.frames with different columns in different data frames

r

lapply

rbind

更新