使用 tidyverse 从列表到数据框，选择特定的列表元素

Question

一个简单的问题，但我已经搜索了解决方案，但到目前为止无济于事。

假设我有一个列表对象，我想提取特定的列表元素并将它们并排输出为数据框列。如何以简单的方式通过 tidyverse/管道实现这一点？尝试在下面解决它。

数据

some_data <-
structure(list(x = c(23.7, 23.41, 23.87, 24.18, 24.15, 24.31, 
23.14, 23.72, 24.12, 23.47, 23.59, 23.29, 23.24, 23.5, 23.56, 
23.16, 23.62, 23.67, 23.84, 23.69, 23.7, 23.68, 24.2, 23.77, 
23.74, 23.64, 24.39, 24.05, 24.51, 23.6, 24.29, 23.31, 23.96, 
24.07, 24.37, 23.77, 23.64, 24, 23.68, 24.02, 23.36, 23.54, 23.34, 
23.69, 23.79, 23.8, 23.7, 24.45, 23.27, 23.57, 23.02, 24.23, 
23.41, 23.6, 24.02, 23.94, 24.06, 23.97, 23.38, 23.46, 24, 23.89, 
23.51, 23.72, 23.83, 23.96, 23.84, 23.52, 24.36, 23.94, 23.82, 
24.04, 24.05, 23.6, 23.52, 24.13, 23.43, 23.33, 24.01, 23.99, 
24.46, 24.23, 24.19, 23.83, 23.8, 23.93, 23.79, 23.48, 23.26, 
24.04, 23.93, 23.98, 23.86, 23.49, 24.17, 23.7, 23.54, 23.55, 
23.67, 23.66)), class = c("spec_tbl_df", "tbl_df", "tbl", "data.frame"
), row.names = c(NA, -100L), spec = structure(list(cols = list(
    x = structure(list(), class = c("collector_double", "collector"
    ))), default = structure(list(), class = c("collector_guess", 
"collector")), skip = 1), class = "col_spec"))

我想要这个数据的`hist()`函数的值输出

library(tidyverse)

some_data$x %>% 
   as.numeric() %>% 
   hist(breaks = seq(from = 23, to = 24.6, by = 0.2),
        plot = FALSE)

## $breaks
## [1] 23.0 23.2 23.4 23.6 23.8 24.0 24.2 24.4 24.6

## $counts
## [1]  3  9 20 23 19 16  7  3

## $density
## [1] 0.15 0.45 1.00 1.15 0.95 0.80 0.35 0.15

## $mids
## [1] 23.1 23.3 23.5 23.7 23.9 24.1 24.3 24.5

## $xname
## [1] "."

## $equidist
## [1] TRUE

## attr(,"class")
## [1] "histogram"

假设我希望将 `$breaks` 和 `$counts` 并排作为一个数据框

我将补充原来的管道，以便：

some_data$x %>% 
   as.numeric() %>% 
   hist(breaks = seq(from = 23, to = 24.6, by = 0.2),
        plot = FALSE) %>%
##
   map_df(~.[1:30]) %>%
   select(bins = breaks, 
          frequency = counts)
##

## # A tibble: 30 x 2
##     bins frequency
##    <dbl>     <int>
##  1  23           3
##  2  23.2         9
##  3  23.4        20
##  4  23.6        23
##  5  23.8        19
##  6  24          16
##  7  24.2         7
##  8  24.4         3
##  9  24.6        NA
## 10  NA          NA
## # ... with 20 more rows

所以是的，它确实有效，但是在map_df() 中，我必须输入一个相对较大的“神奇”数字（我随意输入 30）以确保包含所有数据。有没有更简单的方法来获取 $breaks 和 $counts 作为数据框？或许只需一步而不是将map_df() 和select() 结合起来？

评论

虽然这个特定问题展示了histogram 类的情况，但我的一般问题不是关于直方​​图，而是关于列表对象的原则。 hist(plot = FALSE) 的输出的好处在于它生成了一个包含不等长元素的对象，这说明了一个需要灵活解决方案来解决元素长度变化的问题。

解决方案

基于下面 Rémi Coulaud 的（选择的）解决方案，解决列表元素长度不等的情况的方法是使它们相等，锚定到最长的元素。然后，这不再是问题了。工作管道如下：

library(tidyverse)

some_data$x %>% 
  as.numeric() %>% 
  hist(breaks = seq(from = 23, to = 24.6, by = 0.2),
       plot = FALSE) %>%
  lapply(., `length<-`, max(lengths(.))) %>%  ## make all elements as the length of the longest one
  map_df(~.) %>%
  select(bins = breaks, 
         frequency = counts)

谢谢！

Answer 1

我们可以使用imap 和enframe 将列表中的每个元素转换为带有name（行号）和value（元素名称）的数据框。然后我们可以使用reduce 和full_join 来连接所有数据帧。最后，我们可以选择我们想要的列。这种方法不需要指定一个“幻数”。

library(tidyverse)

some_data$x %>% 
  as.numeric() %>% 
  hist(breaks = seq(from = 23, to = 24.6, by = 0.2),
       plot = FALSE) %>%
  imap(~enframe(.x, value = .y)) %>%
  reduce(full_join, by = "name") %>%
  select(bins = breaks, 
         frequency = counts)
# # A tibble: 9 x 2
#   bins frequency
#   <dbl>     <int>
# 1  23           3
# 2  23.2         9
# 3  23.4        20
# 4  23.6        23
# 5  23.8        19
# 6  24          16
# 7  24.2         7
# 8  24.4         3
# 9  24.6        NA

Answer 2

部分复杂因素是hist() 对象的列表具有不同的长度：

library(tidyverse)

brks <- seq(from = 23, to = 24.6, by = 0.2)

hist_res <- some_data$x %>% 
  as.numeric() %>% 
  hist(breaks = brks,
       plot = FALSE)

lengths(hist_res)

  breaks   counts  density     mids    xname equidist 
       9        8        8        8        1        1 

OP 评论说，不均匀列表是问题的主要部分。我们需要做出选择或规则来确定为data.frame 选择了哪些列表元素。在这种情况下，我们可以使用table()、which() 和基数[ 的组合来选择最常见的长度。对于这个hist() 示例，我仍然在mutate 调用中手动操作breaks 列：

l <- lengths(hist_res)
cols <- which(l == as.integer(names(table(l)))[which.max(table(l))])

hist_res%>%
  .[cols]%>%
  as_tibble()%>%
  mutate(brk_start = brks[-length(brks)],
         brk_end = brks[-1])

# A tibble: 8 x 5
  counts density  mids brk_start brk_end
   <int>   <dbl> <dbl>     <dbl>   <dbl>
1      3   0.15   23.1      23      23.2
2      9   0.45   23.3      23.2    23.4
3     20   1.000  23.5      23.4    23.6
4     23   1.15   23.7      23.6    23.8
5     19   0.95   23.9      23.8    24  
6     16   0.8    24.1      24      24.2
7      7   0.35   24.3      24.2    24.4
8      3   0.150  24.5      24.4    24.6

Answer 3

关于histogram的第一个问题我找到的最佳答案是here。

我正在尝试做同样的事情，确实你不需要使用hist 函数，因为最后你想要一个data.frame。

一种解决方案是：

library(tidyverse)
breaks <- seq(from = 23, to = 24.6, by = 0.2)
df <- data.frame(breaks = breaks,
           frequency = c(some_data$x %>% 
  as.numeric() %>%
  findInterval(vec = breaks) %>%
  tabulate(), NA))

df

NA 是必需的，因为您的计数少于中断值。

编辑 1

必须考虑hist 类的特殊性。就像说@Cole。如果您想要列表对象的解决方案，您应该查看下面的答案。

如果您的问题只是从list 传递到data.frame。选择仅包含list 的示例可能更合适。此外，如果我们没有从 hist 类传递到 data.frame 的问题。没有问题。实际上，r 中的list 与data.frame 相同。所以你可以这样做：

library(dplyr)
l <- list(breaks = c(1, 2, 3, 4),
          counts = c(10, 34, 54, 78),
          other = rep("A", 4))

如果需要小标题：

l %>% as_tibble %>% select(breaks:counts)

如果你想要一个data.frame：

l %>% data.frame

我希望它能澄清你的问题。

编辑 2

对于具有不等长度元素的list，请参阅there。一世 lengths 为您提供list 的每个元素的长度。将所有元素标准化为相同大小后：

lapply(l, `length<-`, max(lengths(l)))

您只需绑定它们并将其转换为 data.frame。您可以在整个管道中使用 dplyr 语法，但它也可以这样工作：

as.data.frame(do.call(cbind, lapply(l, `length<-`, max(lengths(l)))))

带管道：

lapply(l, `length<-`, max(lengths(l))) %>%
  do.call(what = cbind) %>%
  data.frame

总之，似乎必须指定最大 length，然后再创建一个 data.frame。

length<- 参见there，函数为您提供从开始到您给出的值的所有元素，在我的示例中为 5。如果您的向量较短，它会自动引入 NA 值。

例如：

l <- list(breaks = c(1, 2, 3, 4),
          counts = c(10, 34, 54, 78),
          other = rep("A", 4),
          diff = rep("B", 3))

`length<-`(l$breaks, 5)
[1]  1  2  3  4 N