R语言 list与data.frame转换
背景：下载某数据库的数据做数据分析，发现下载的数据结构是多层list嵌套，与平时遇到的数据表（data.frame）不同，并且第二层list的名称是本人需要的变量。
问题：如何将将第二层的list的名称嵌入到内层（第三层）的数据中，作为变量？
一、什么是list列表
列表是 R 语言的对象集合，可以用来保存不同类型的数据，可以是数字、字符串、向量、另一个列表等，当然还可以包含矩阵和函数，通常用list()函数创建列表。列表list最大优点：容纳多种类型的数据，可多层嵌套。
> df <- iris[1:10,]
> pts <- list(x = df[,1], y = df[,2])
> pts
$x
[1] 5.1 4.9 4.7 4.6 5.0 5.4 4.6 5.0 4.4 4.9
$y
[1] 3.5 3.0 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1二、简单列表list与data.frame转换 一般情况情况，as.list()和as.data.frame()可直接实现简单的list和data.frame类型数据的转换。
- as.list(x)可将数据框x按列转换为多个list
- as.data.frame(x)，可将列表x按列合并为一个数据框data.frame
> df_as.list <- as.list(df)
> df_as.list
$Sepal.Length
[1] 5.1 4.9 4.7 4.6 5.0 5.4 4.6 5.0 4.4 4.9
$Sepal.Width
[1] 3.5 3.0 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1
$Petal.Length
[1] 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5
$Petal.Width
[1] 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1
$Species
[1] setosa setosa setosa setosa setosa setosa setosa setosa setosa setosa
Levels: setosa versicolor virginica
>
> as.data.frame(df_as.list)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
7 4.6 3.4 1.4 0.3 setosa
8 5.0 3.4 1.5 0.2 setosa
9 4.4 2.9 1.4 0.2 setosa
10 4.9 3.1 1.5 0.1 setosa三、两层list将内层相同结构的数据合并为data.frame
(解答开头的问题)
> df_list <- list(
+ x = list(
+ a = iris[1:3,],
+ b = iris[6:8,],
+ c = iris[11:13,]
+ )
+ )
> df_list
$x
$x$a
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
$x$b
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
6 5.4 3.9 1.7 0.4 setosa
7 4.6 3.4 1.4 0.3 setosa
8 5.0 3.4 1.5 0.2 setosa
$x$c
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
11 5.4 3.7 1.5 0.2 setosa
12 4.8 3.4 1.6 0.2 setosa
13 4.8 3.0 1.4 0.1 setosa方法1：data.table::rbindlist()
第二层list的名称直接替代了内层数据框data.frame的行名rownames，并实现数据框的行合并。
缺点：如果内层数据框的行名是需要的变量，数据会被覆盖
> data.table::rbindlist(df_list$x)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1: 5.1 3.5 1.4 0.2 setosa
2: 4.9 3.0 1.4 0.2 setosa
3: 4.7 3.2 1.3 0.2 setosa
4: 5.4 3.9 1.7 0.4 setosa
5: 4.6 3.4 1.4 0.3 setosa
6: 5.0 3.4 1.5 0.2 setosa
7: 5.4 3.7 1.5 0.2 setosa
8: 4.8 3.4 1.6 0.2 setosa
9: 4.8 3.0 1.4 0.1 setosa
> data.table::rbindlist(df_list$x,use.names=TRUE, fill=TRUE, idcol="fenzu")
fenzu Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1: a 5.1 3.5 1.4 0.2 setosa
2: a 4.9 3.0 1.4 0.2 setosa
3: a 4.7 3.2 1.3 0.2 setosa
4: b 5.4 3.9 1.7 0.4 setosa
5: b 4.6 3.4 1.4 0.3 setosa
6: b 5.0 3.4 1.5 0.2 setosa
7: c 5.4 3.7 1.5 0.2 setosa
8: c 4.8 3.4 1.6 0.2 setosa
9: c 4.8 3.0 1.4 0.1 setosa方法2：do.call与tibble::rownames_to_column与 tidyr::separate并用
> df <- do.call(rbind, df_list$x)
> df
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
a.1 5.1 3.5 1.4 0.2 setosa
a.2 4.9 3.0 1.4 0.2 setosa
a.3 4.7 3.2 1.3 0.2 setosa
b.6 5.4 3.9 1.7 0.4 setosa
b.7 4.6 3.4 1.4 0.3 setosa
b.8 5.0 3.4 1.5 0.2 setosa
c.11 5.4 3.7 1.5 0.2 setosa
c.12 4.8 3.4 1.6 0.2 setosa
c.13 4.8 3.0 1.4 0.1 setosa
>
> df1 <- tibble::rownames_to_column(df,"data_code_market")
> df1
data_code_market Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 a.1 5.1 3.5 1.4 0.2 setosa
2 a.2 4.9 3.0 1.4 0.2 setosa
3 a.3 4.7 3.2 1.3 0.2 setosa
4 b.6 5.4 3.9 1.7 0.4 setosa
5 b.7 4.6 3.4 1.4 0.3 setosa
6 b.8 5.0 3.4 1.5 0.2 setosa
7 c.11 5.4 3.7 1.5 0.2 setosa
8 c.12 4.8 3.4 1.6 0.2 setosa
9 c.13 4.8 3.0 1.4 0.1 setosa
>
> # stringr::str_split(rownames(df),"[.]",simplify = TRUE)
> df2 <- tidyr::separate(df1,data_code_market,into = c("fenzu","code"),sep = "[.]")
> df2
fenzu code Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 a 1 5.1 3.5 1.4 0.2 setosa
2 a 2 4.9 3.0 1.4 0.2 setosa
3 a 3 4.7 3.2 1.3 0.2 setosa
4 b 6 5.4 3.9 1.7 0.4 setosa
5 b 7 4.6 3.4 1.4 0.3 setosa
6 b 8 5.0 3.4 1.5 0.2 setosa
7 c 11 5.4 3.7 1.5 0.2 setosa
8 c 12 4.8 3.4 1.6 0.2 setosa
9 c 13 4.8 3.0 1.4 0.1 setosa本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2022-04-08，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
