R将列表对象放入表中

Question

我有一个列表，里面有很多对象。我想根据这个列表的属性创建一个表。

head(casscade.list)
$`444424960908754944`
screen_name     tweet_id        tweet_created_at        retweet_screen_name
NerSeref        6.028628e+17    2015-05-25 11:44:24     Lasthowen
DURULMA_ZAMANI  6.028631e+17    2015-05-25 11:45:32     Lasthowen
ssari75         6.028647e+17    2015-05-25 11:52:10     Lasthowen   
saintserif2009  6.028672e+17    2015-05-25 12:01:48     Lasthowen
Hejinilim       6.028721e+17    2015-05-25 12:21:13     Lasthowen

$`407136916317171712`
screen_name     tweet_id        tweet_created_at        retweet_screen_name
isa_sakar       6.072663e+17    2015-06-06 15:22:18     cavurizmir
canfeda1923     6.072666e+17    2015-06-06 15:23:34     cavurizmir
Apolloniuss_58  6.072669e+17    2015-06-06 15:24:47     cavurizmir

我需要创建一个必须有这些的表；

table
retweet_screen_name screen_name         length  life(seconds)
Lasthowen           Hejinilim           5       2209
cavurizmir          Apolloniuss_58      3       149 

• 第一行将是转发屏幕名称中的名称（因为它是重复的，其中一个就足够了），
• 第二行将是列表对象的最后一个屏幕名称
• 第三行将是列表对象的长度
• 第四行将是第一个 tweet_created_at 和最后一个列表对象之间的时间差

我使用了这个功能，它解决了一半的问题

get.summary <- function(i){
        curr.frame = cascade.list[[i]]
        return(c(unique(curr.frame$retweet_screen_name),curr.frame$screen_name[nrow(curr.frame)],
                 unique(curr.frame$retweet_created_at), curr.frame$tweet_created_at[nrow(curr.frame)], 
                 nrow(curr.frame)))
}    

还有这段代码：

cdf=data.frame(t(sapply(1:length(cascade.list),get.summary)))

它创建一个数据框，所有变量都在同一行中。

 V1                                                                                     V2
c("EastanbulTimes", "onuryasercan", "2010-12-20 15:18:22", "2015-05-19 18:28:25", "1")  c("Lasthowen", "Apolloniuss_58", "2013-12-01 08:19:39", "2015-06-06 15:24:47", "3")

我需要修复数据框结构，它应该有 6 列和等于列表长度的行。我还需要添加时间变量。

提前感谢您的所有建议。

Answer 1

因为cascade.list 是具有相同列的数据框列表，您可以将它们绑定到一个数据集中，然后执行您需要的聚合。 data.table 的实现：

# make a list of the dataframes (see below for the used dataframes)
dflist <- list(df1,df2)
# bind the dataframes together into one datatable (which is an enhanced dataframe)
library(data.table)
DT <- rbindlist(dflist)

使用生成的数据表，您现在可以执行所需的汇总，如下所示：

DT[, .(screen_name = screen_name[.N],
       length = .N,
       life_in_seconds = difftime(tweet_created_at[.N], tweet_created_at[1], units="secs")),
   by = .(retweet_screen_name)]

导致：

   retweet_screen_name    screen_name length life_in_seconds
1:           Lasthowen      Hejinilim      5       2209 secs
2:          cavurizmir Apolloniuss_58      3        149 secs

解释：

• .N 是一个特殊的 data.table 运算符，它为您提供组中的总行数（或未使用分组时的 data.table）。
• screen_name[.N] 将为您提供最后一个 screen_name，因为它使用总行数进行索引，从而为您提供每个组的最后一次观察。同样，screen_name[1] 会为您提供每组中的第一个观察结果。
• difftime 或多或少不言自明。使用units，您可以指定时差的表达方式。有关可能性，请参阅?difftime。
• 使用by =，您可以指定应使用哪些列来确定数据的分组。

---

类似的操作可以用dplyr:

library(dplyr)

newdf <- bind_rows(dflist)

newdf %>% group_by(retweet_screen_name) %>% 
  summarise(screen_name = last(screen_name),
            length = n(),
            life_in_seconds = difftime(last(tweet_created_at), first(tweet_created_at), units="secs"))

---

使用的数据：

df1 <- structure(list(screen_name = structure(c(3L, 1L, 5L, 4L, 2L), .Label = c("DURULMA_ZAMANI", "Hejinilim", "NerSeref", "saintserif2009", "ssari75"), class = "factor"), tweet_id = c(6.028628e+17, 6.028631e+17, 6.028647e+17, 6.028672e+17, 6.028721e+17), tweet_created_at = structure(c(1432547064, 1432547132, 1432547530, 1432548108, 1432549273), class = c("POSIXct", "POSIXt"), tzone = ""), retweet_screen_name = structure(c(1L, 1L, 1L, 1L, 1L), .Label = "Lasthowen", class = "factor")), .Names = c("screen_name", "tweet_id", "tweet_created_at", "retweet_screen_name"), class = "data.frame", row.names = c(NA, -5L))
df2 <- structure(list(screen_name = structure(c(3L, 2L, 1L), .Label = c("Apolloniuss_58", "canfeda1923", "isa_sakar"), class = "factor"), tweet_id = c(6.072663e+17, 6.072666e+17, 6.072669e+17), tweet_created_at = structure(c(1433596938, 1433597014, 1433597087), class = c("POSIXct", "POSIXt"), tzone = ""), retweet_screen_name = structure(c(1L, 1L, 1L), .Label = "cavurizmir", class = "factor")), .Names = c("screen_name", "tweet_id", "tweet_created_at", "retweet_screen_name"), class = "data.frame", row.names = c(NA, -3L))