将具有可变数量元素的列表的嵌套列表展平到数据框

Question

我有一个嵌套的列表列表，我想将其展平到一个带有 id 变量的数据框中，这样我就知道每个列表元素（和子列表元素）来自哪个列表元素。

> str(gc_all)
List of 3
$ 1: num [1:102, 1:2] -74 -73.5 -73 -72.5 -71.9 ...
..- attr(*, "dimnames")=List of 2
.. ..$ : NULL
.. ..$ : chr [1:2] "lon" "lat"
$ 2: num [1:102, 1:2] -74 -73.3 -72.5 -71.8 -71 ...
..- attr(*, "dimnames")=List of 2
.. ..$ : NULL
.. ..$ : chr [1:2] "lon" "lat"
$ 3:List of 2
..$ : num [1:37, 1:2] -74 -74.4 -74.8 -75.3 -75.8 ...
.. ..- attr(*, "dimnames")=List of 2
.. .. ..$ : NULL
.. .. ..$ : chr [1:2] "lon" "lat"
..$ : num [1:65, 1:2] 180 169 163 158 154 ...
.. ..- attr(*, "dimnames")=List of 2
.. .. ..$ : NULL
.. .. ..$ : chr [1:2] "lon" "lat"

我以前使用 plyr::ldply(mylist, rbind) 来展平列表，但由于列表长度可变，我似乎遇到了麻烦：一些列表元素只包含一个数据帧，而其他列表包含两个数据帧的列表。

我找到了一个使用两个 lapply 和一个 ifelse 的笨拙解决方案，如下所示：

# sample latitude-longitude data
df <- data.frame(source_lat = rep(40.7128, 3),
                 source_lon = rep(-74.0059, 3),
                 dest_lat = c(55.7982, 41.0082, -7.2575),
                 dest_lon = c(37.968, 28.9784, 112.7521),
                 id = 1:3)

# split into list
gc_list <- split(df, df$id)

# get great circles between lat-lon for each id; multiple list elements are outputted when the great circle crosses the dateline
gc_all <- lapply(gc_list, function(x) {
  geosphere::gcIntermediate(x[, c("source_lon", "source_lat")],
                 x[, c("dest_lon", "dest_lat")],
                 n = 100, addStartEnd=TRUE, breakAtDateLine=TRUE)
})

gc_fortified <- lapply(1:length(gc_all), function(i) {
  if(class(gc_all[[i]]) == "list") {
    lapply(1:length(gc_all[[i]]), function(j) {
      data.frame(gc_all[[i]][[j]], id = i, section = j)
    }) %>%
      plyr::rbind.fill()
  } else {
    data.frame(gc_all[[i]], id = i, section = 1)
  }
}) %>%
  plyr::rbind.fill()

但我觉得必须有一个更优雅的解决方案可以作为单线工作，例如dput, data.table?

这是我期望的输出结果：

> gc_fortified %>% 
    group_by(id, section) %>%
    slice(1)

lon      lat    id section
<dbl>    <dbl> <int>   <dbl>
1 -74.0059 40.71280     1       1
2 -74.0059 40.71280     2       1
3 -74.0059 40.71280     3       1
4 180.0000 79.70115     3       2

Answer 1

我无法提供单行代码，但你也可以在这里考虑递归

flat <- function(l, s = NULL) {
  lapply(1:length(l), function(i) {
    if (is.list(l[[i]])) {
      do.call(rbind, flat(l[[i]], i))
    } else {
      cbind(l[[i]], id = if (is.null(s)) i else s, section = if (is.null(s)) 1 else i)
    }
  })
}

a <- do.call(rbind, flat(gc_all))
all.equal(data.frame(a), gc_fortified)

[1] TRUE

Answer 2

首先需要修改列表的结构，使其成为常规的列表列表，然后我们使用 .id 参数应用 map_dfr 两次。

library(purrr)
gc_all_df  <- map(map_if(gc_all,~class(.x)=="matrix",list),~map(.x,as.data.frame))
map_dfr(gc_all_df,~map_dfr(.x,identity,.id="id2"),identity,.id="id1")

Answer 3

我想我更喜欢已经显示的递归解决方案，但如果您将 L 和 add_n_s 替换到最后一行，这是请求的形式 do.call("rbind", ...) 的一个语句。为了清楚起见，我在这里将它们分开。

我将结果保留为矩阵，因为结果完全是数字，我怀疑不是您更喜欢数据框，而是 rbind.fill 对它们起作用，而这正是您使用的。如果您更喜欢数据框结果，请将 add_n_s 函数中的 cbind 替换为 data.frame。

没有使用包，解决方案也没有使用任何索引。

这里 gc_all 被转换为 L 除了它是列表的列表而不是矩阵和列表的混合列表之外，它是相同的。 add_n_s 获取 L 的一个元素并向其添加 n 和 s 列。最后，我们将 add_n_s 映射到 L 并展平。

请注意，如果输入首先是列表的列表，那么 L 将等于 gc_all，并且不需要第一行。

L <- lapply(gc_all, function(x) if (is.list(x)) x else list(x))

add_n_s <- function(x, n) Map(cbind, x, n = n, s = seq_along(x))
do.call("rbind", do.call("c", Map(add_n_s, L, seq_along(gc_all))))

更新修复。

将具有可变数量元素的列表的嵌套列表展平到数据框

Flatten nested list of lists with variable numbers of elements to a data frame

r

list

plyr

geosphere