给定R中的父子关系，如何展平分层数据结构答案

【问题标题】：How to flatten a hierarchical data structure given parent child relationships in R给定R中的父子关系，如何展平分层数据结构
【发布时间】：2021-10-24 02:42:31
【问题描述】：

我有描述父子关系的数据：

df <- tibble::tribble(
       ~Child,     ~Parent,
      "Fruit",      "Food",
  "Vegetable",      "Food",
      "Apple",     "Fruit",
     "Banana",     "Fruit",
       "Pear",     "Fruit",
     "Carrot", "Vegetable",
     "Celery", "Vegetable",
       "Bike",  "Not Food",
        "Car",  "Not Food"
  )
df
#> # A tibble: 9 x 2
#>   Child     Parent   
#>   <chr>     <chr>    
#> 1 Fruit     Food     
#> 2 Vegetable Food     
#> 3 Apple     Fruit    
#> 4 Banana    Fruit    
#> 5 Pear      Fruit    
#> 6 Carrot    Vegetable
#> 7 Celery    Vegetable
#> 8 Bike      Not Food 
#> 9 Car       Not Food

在视觉上，这看起来像：

最终，我想要的结果是将其“展平”为看起来更像这样的结构：

results <- tibble::tribble(
             ~Level.03, ~Level.02,  ~Level.01,
               "Apple",   "Fruit",     "Food",
              "Banana",   "Fruit",     "Food",
                "Pear",   "Fruit",     "Food",
                    NA,    "Bike", "Not Food",
                    NA,     "Car", "Not Food"
             )
results
#> # A tibble: 5 x 3
#>   Level.03 Level.02 Level.01
#>   <chr>    <chr>    <chr>   
#> 1 Apple    Fruit    Food    
#> 2 Banana   Fruit    Food    
#> 3 Pear     Fruit    Food    
#> 4 <NA>     Bike     Not Food
#> 5 <NA>     Car      Not Food

注意：并非所有元素都具有所有级别。例如，bike 和 car 没有 Level.03 元素。

我觉得有一种方法可以优雅地使用tidyr 或jsonlite 的某种类型的next/unnest 函数？我从递归连接开始，但我觉得我在重新发明轮子，并且可能有一种直截了当的方法。

【问题讨论】：

你是否像树状图一样思考？
为什么不使用while循环来解决这个问题？

标签： r tidyr data-manipulation hierarchical-data hierarchical

【解决方案1】：

我会将其视为图形问题。为了适应这种方法，需要对原始数据进行 2 处更改：切换列的顺序以显示分层方向（父级到子级），并添加一个链接的顶级节点（我称之为“项目”）主要群体（食物而不是食物）。您可能可以通过编程方式完成第二部分，但这似乎比它的价值更痛苦。

library(dplyr)

df <- tibble::tribble(
  ~Child,     ~Parent,
  "Fruit",      "Food",
  "Vegetable",      "Food",
  "Apple",     "Fruit",
  "Banana",     "Fruit",
  "Pear",     "Fruit",
  "Carrot", "Vegetable",
  "Celery", "Vegetable",
  "Bike",  "Not Food",
  "Car",  "Not Food"
) %>%
  select(Parent, Child) %>%
  add_row(Parent = "Items", Child = c("Food", "Not Food"))

第一种方法是使用data.tree，它旨在处理此类数据。它会创建一个树表示，然后您可以将其转换回具有几种形状之一的数据框。

library(data.tree)

g1 <- FromDataFrameNetwork(df)
g1
#>             levelName
#> 1  Items             
#> 2   ¦--Food          
#> 3   ¦   ¦--Fruit     
#> 4   ¦   ¦   ¦--Apple 
#> 5   ¦   ¦   ¦--Banana
#> 6   ¦   ¦   °--Pear  
#> 7   ¦   °--Vegetable 
#> 8   ¦       ¦--Carrot
#> 9   ¦       °--Celery
#> 10  °--Not Food      
#> 11      ¦--Bike      
#> 12      °--Car
ToDataFrameTypeCol(g1)
#>   level_1  level_2   level_3 level_4
#> 1   Items     Food     Fruit   Apple
#> 2   Items     Food     Fruit  Banana
#> 3   Items     Food     Fruit    Pear
#> 4   Items     Food Vegetable  Carrot
#> 5   Items     Food Vegetable  Celery
#> 6   Items Not Food      Bike    <NA>
#> 7   Items Not Food       Car    <NA>

第二种方法更复杂，可能只有在您需要执行其他图形操作时才有意义。用igraph做一个图，然后得到图中所有从顶部节点Items开始的路径。这给了你一个顶点对象列表；对于其中的每一个，提取 ID。下面是其中一个示例。

library(igraph)
g2 <- graph_from_data_frame(df)
all_simple_paths(g2, from = "Items") %>%
  purrr::map(as_ids) %>%
  `[[`(4)
#> [1] "Items"  "Food"   "Fruit"  "Banana"

从所有这些向量中创建数据框，绑定并重新整形以获得每个级别的一列。

all_simple_paths(g2, from = "Items") %>%
  purrr::map(as_ids) %>%
  purrr::map_dfr(tibble::enframe, .id = "row") %>%
  tidyr::pivot_wider(id_cols = row, names_prefix = "level_")
#> # A tibble: 11 × 5
#>    row   level_1 level_2  level_3   level_4
#>    <chr> <chr>   <chr>    <chr>     <chr>  
#>  1 1     Items   Food     <NA>      <NA>   
#>  2 2     Items   Food     Fruit     <NA>   
#>  3 3     Items   Food     Fruit     Apple  
#>  4 4     Items   Food     Fruit     Banana 
#>  5 5     Items   Food     Fruit     Pear   
#>  6 6     Items   Food     Vegetable <NA>   
#>  7 7     Items   Food     Vegetable Carrot 
#>  8 8     Items   Food     Vegetable Celery 
#>  9 9     Items   Not Food <NA>      <NA>   
#> 10 10    Items   Not Food Bike      <NA>   
#> 11 11    Items   Not Food Car       <NA>

在任何一种情况下，如果您实际上并不需要，请删除第 1 级列。

【讨论】：

我喜欢这种方法。这太棒了！
这很棒，我相信它应该可以很好地扩展。我倾向于data.tree 方法，但在igraph 方法上，有没有办法修剪掉不相关的水平：例如第 1、2、6 和 9 项，但仍保留第 10 和 11 项？
老实说，我对 igraph 不是很好，所以我不确定。但是，一旦它是一个数据框，您绝对可以使用 dplyr 执行类似的操作，或者过滤以仅保留具有非 NA 值的行，例如级别 3，或者在旋转过滤器之前仅保留具有至少一定数量的组级别

【解决方案2】：

这是一个带有while循环的函数：

fun <- function(s){
  i <- 1
  while(i<=length(s)){
    if(any(s[[i]] %in% names(s)))
    {
      nms <- s[[i]]
      s[[i]] <- stack(s[nms])
      s[nms] <- NULL
    }
    else
      s[[i]] <- data.frame(values = NA, ind = s[[i]])
    i <- i+1
  }
  s
}

dplyr::bind_rows(fun(unstack(df)), .id = 'Level.01')[c(2:3,1)]
 values       ind Level.01
1  Apple     Fruit     Food
2 Banana     Fruit     Food
3   Pear     Fruit     Food
4 Carrot Vegetable     Food
5 Celery Vegetable     Food
6   <NA>      Bike Not Food
7   <NA>       Car Not Food

如果你有更多的关卡，你可以概括这一点

【讨论】：

我通常会尽量避免while 或类似的循环，但对于这个问题，我认为这是一种合理的方法。 +1

【解决方案3】：

在这种特殊情况下，您可以通过一些连接和绑定来获得您想要的结果：

library(dplyr)

df2 <- df %>% 
  inner_join(df, 
             by = c("Parent" = "Child"),
             suffix = c("", "_top")) 

df %>% 
  anti_join(df2) %>%
  select(Parent_top = Parent, Parent = Child) %>% 
  bind_rows(df2) %>%
  group_by(Parent_top, Parent) %>% 
  filter(!is.na(Child) | n() == 1) %>% 
  select(Level_01 = Parent_top, Level_02 = Parent, Level_03 = Child)

但我认为这种方式对于更大/其他数据集来说不是很稳定。也许只是在这个数据集上使用一个循环会给你一个更好的答案。

【讨论】：