对整数矩阵的列表列进行子集化

subsetting a list column of integer matrices

背景

我遇到了这样一种情况,即 tibble/dataframe 中的一列由整数矩阵列表组成,这些矩阵具有零行或多行且恰好有 2 列。此列恰好是 stringr::str_locate_all() 调用的输出,因此我认为这是一种常见情况。

我想做的是 select 仅 select 整数矩阵的一列,然后取消嵌套数据框,但我对如何正确执行此操作感到困惑。

例子

这是一个示例(我必须手动创建它,因为 dpasta() 似乎不适用于列表列 tibbles)。无论如何,我的出发点是 mydf:

library(tidyverse)

m1 <- matrix( c(761,784),             nrow=1,ncol=2, dimnames = list(c(),c("start","end")) )
m2 <- matrix( integer(0),             nrow=0,ncol=2, dimnames = list(c(),c("start","end")) )
m3 <- matrix( c(1001,2300,1010,2310), nrow=2,ncol=2, dimnames = list(c(),c("start","end")) )

mydf <- tibble( item = c("a","b","c"), pos = list(m1,m2,m3))

下面是在 rstudio 查看器中的样子。 这有点误导,因为它暗示 pos 行只是整数向量。它们实际上是 nx2 矩阵,没有任何迹象表明它更复杂。这让我有些困惑,但那不是重点。

我想做的是以第 1 列“开始”为 select 的未嵌套小标题结束。所需的输出将如下所示(取消嵌套后):

mydf_desired <- tibble( item = c("a","c","c"), start_pos = c(761,1001,2300))

请注意,mydf 中的第一行在其 pos 矩阵中只有一行,因此它在所需结果中只有一行。带有 item="b" 的行有一个 0x2 矩阵,所以它没有出现(但如果它也显示为 NA 就没问题了)。 item="c" 的行在 pos 矩阵中有两行,因此它在所需结果中有两行。

我试过的

这看起来很简单,我以前没有嵌套列表列。这里唯一的转折是我必须首先 select “开始”列然后取消嵌套,对吗?我只是 map pos 列表列到 [1] 来选择第一列(“开始”列)。然后应该是取消嵌套的问题了...

mydf_desired <- mydf %>% 
                mutate(start_pos = map(pos, ~ .[,1])) %>% 
                unnest()
#> Error in vec_rbind(!!!x, .ptype = ptype): Internal error in `vec_assign()`: `value` should have been recycled to fit `x`.
#> Warning: `cols` is now required.
#> Please use `cols = c(pos, start_pos)`

不知道“value should have been recycled to fit x”到底是什么意思,但它也警告我不要在 unnest() 中给出 cols。现在怀疑是关于我给出的东西 unnest().

如果我省略 unnest() 我不会得到那个错误...

mydf_desired <- mydf %>% 
                mutate(start_pos = map(pos, ~ .[,1]))

输出看起来像这样...

看起来不错,我注意到 integer(0) 的 item=b 仍然有一个 pos 条目。但即使我省略了那一行,当我尝试 unnest().

时也会出现同样的错误

这就是我难倒的地方。为什么我不能 unnest() 这个标题? value should have been recycled to fit x 错误是什么意思?

一个选项是 filter 行,然后 maplist 元素上并从 matrix 中提取列,然后使用 unnest_longer

library(dplyr)
library(purrr)
mydf %>% 
   filter(lengths(pos) > 0) %>%
   transmute(item, start_pos = map(pos, ~ as.vector(.x[,1]))) %>% 
   unnest_longer(c(start_pos))
# A tibble: 3 x 2
#  item  start_pos
#  <chr>     <dbl>
#1 a           761
#2 c          1001
#3 c          2300

另外,可以避免filter这一步,如果我们转换成tibble

mydf %>%
   transmute(item, pos = map(pos, ~ .x[,1] %>%
                          tibble(start_pos = .))) %>%
   unnest(c(pos))

错误出现是因为 unnest 试图取消嵌套 pos 列。您可以明确指定要 unnest 的列以避免错误。

library(dplyr)
library(purrr)

mydf %>% mutate(start_pos = map(pos, ~.[, 1])) %>% unnest(start_pos)

# A tibble: 3 x 3
#  item  pos               start_pos
#  <chr> <list>                <dbl>
#1 a     <dbl[,2] [1 × 2]>       761
#2 c     <dbl[,2] [2 × 2]>      1001
#3 c     <dbl[,2] [2 × 2]>      2300

如果您想要 NA 用于 "b" 项,您可以使用 unnest_longer

mydf %>% 
   mutate(start_pos = map(pos, ~.[, 1])) %>% 
   unnest_longer(start_pos, indices_include = FALSE)

# A tibble: 4 x 3
#  item  pos               start_pos
#  <chr> <list>                <dbl>
#1 a     <dbl[,2] [1 × 2]>       761
#2 b     <int[,2] [0 × 2]>        NA
#3 c     <dbl[,2] [2 × 2]>      1001
#4 c     <dbl[,2] [2 × 2]>      2300

unnestkeep_empty = TRUE

mydf %>%
  mutate(start_pos = map(pos, ~.[, 1])) %>%
  unnest(start_pos, keep_empty = TRUE)