Unnesting фрейм данных, содержащий списки - PullRequest
Новая
       59

Unnesting фрейм данных, содержащий списки

2 голосов
/ 28 июня 2019

У меня есть фрейм данных, который содержит списки, как показано ниже: 

# Load packages
library(dplyr)

# Create data frame
df <- structure(list(ID = 1:3, 
                     A = structure(list(c(9, 8), c(7,6), c(6, 9)), ptype = numeric(0), class = c("vctrs_list_of", "vctrs_vctr")), 
                     B = structure(list(c(3, 5), c(2, 6), c(1, 5)), ptype = numeric(0), class = c("vctrs_list_of", "vctrs_vctr")), 
                     C = structure(list(c(6, 5), c(7, 6), c(8, 7)), ptype = numeric(0), class = c("vctrs_list_of", "vctrs_vctr")), 
                     D = structure(list(c(5, 3), c(4, 1), c(6,  5)), ptype = numeric(0), class = c("vctrs_list_of", "vctrs_vctr"))), 
                row.names = c(NA, -3L), class = c("tbl_df", "tbl", "data.frame"))

# Peek at data 
df
#> # A tibble: 3 x 5
#>      ID A         B         C         D        
#>   <int> <list>    <list>    <list>    <list>   
#> 1     1 <dbl [2]> <dbl [2]> <dbl [2]> <dbl [2]>
#> 2     2 <dbl [2]> <dbl [2]> <dbl [2]> <dbl [2]>
#> 3     3 <dbl [2]> <dbl [2]> <dbl [2]> <dbl [2]>

Я хотел бы удалить из списков и могу сделать это, используя pmap_dfr. 

# Expand rows
df %>% purrr::pmap_dfr(function(...)data.frame(...))
#>   ID A B C D
#> 1  1 9 3 6 5
#> 2  1 8 5 5 3
#> 3  2 7 2 7 4
#> 4  2 6 6 6 1
#> 5  3 6 1 8 6
#> 6  3 9 5 7 5

Создано в 2019-06-28 пакетом представ. (v0.3.0)

Это желаемый результат, но, похоже, изобретается колесо заново, потому что tidyr::unnest предназначен для выравнивания списка столбцов обратно в обычные столбцы.Однако использование tidyr::unnest приводит к следующей ошибке: 

df %>% unnest(cols = c(A, B, C, D))
#Error: No common type for `x` <tbl_df<A:double>> and `y` <double>.
#Call `rlang::last_error()` to see a backtrace

Как мне применить unnest в этом случае для выравнивания моего фрейма данных со столбцами списка?

Информация о версии

> packageVersion("tidyr")
[1] ‘0.8.3.9000’

1 Ответ

0 голосов
/ 28 июня 2019

Похоже, nest более конкретно используется для создания списков-столбцов данных в 0.8.3.9000.Из документов: При вложении создается список-столбец фреймов данных ;unnesting расплющивает его обратно в обычные столбцы. .Например, попробуйте: 

df <- tibble(x = c(1, 1, 1, 2, 2, 3), y = 1:6, z = 6:1) %>% 
    nest(data = c(y, z))

Что возвращает: 

# A tibble: 3 x 2
      x           data
  <dbl> <list<df[,2]>>
1     1            [2]
2     2            [2]
3     3            [2]

Затем посмотрите на df$data: 

<list_of<
  tbl_df<
    y: integer
    z: integer
  >
>[3]>
[[1]]
# A tibble: 3 x 2
      y     z
  <int> <int>
1     1     6
2     2     5
3     3     4

[[2]]
# A tibble: 2 x 2
      y     z
  <int> <int>
1     4     3
2     5     2

[[3]]
# A tibble: 1 x 2
      y     z
  <int> <int>
1     6     1

Столбцы вашего информационного кадра являются списком-столбцамивекторы, которые, по-видимому, подпадают под действие chop, что сокращает кадры данных при сохранении их ширины.Например, попробуйте: 

df <- tibble(x = c(1, 1, 1, 2, 2, 3), y = 1:6, z = 6:1) %>% 
    chop(c(y, z))

, который возвращает: 

# A tibble: 3 x 3
      x y         z        
  <dbl> <list>    <list>   
1     1 <int [3]> <int [3]>
2     2 <int [2]> <int [2]>
3     3 <int [1]> <int [1]>

И взгляните на df$y: 

[[1]]
[1] 1 2 3

[[2]]
[1] 4 5

[[3]]
[1] 6

Зная это, соответствующий методдля ваших данных будет chop аналог unchop, поэтому, учитывая ваш фрейм данных: 

# A tibble: 3 x 5
     ID           A           B           C           D
  <int> <list<dbl>> <list<dbl>> <list<dbl>> <list<dbl>>
1     1         [2]         [2]         [2]         [2]
2     2         [2]         [2]         [2]         [2]
3     3         [2]         [2]         [2]         [2]

Попробуйте unchop(df, c(A, B, C, D)) или unchop(df, A:D), что должно вернуть: 

# A tibble: 6 x 5
     ID     A     B     C     D
  <int> <dbl> <dbl> <dbl> <dbl>
1     1     9     3     6     5
2     1     8     5     5     3
3     2     7     2     7     4
4     2     6     6     6     1
5     3     6     1     8     6
6     3     9     5     7     5
...