我有一个嵌套的数据列表。它的长度为132，每个项目都是长度为20的列表。是否有快速方法将此结构转换为具有132行和20列数据的数据框？
以下是一些可供使用的示例数据：
l <- replicate(
132,
list(sample(letters, 20)),
simplify = FALSE
)
答案 0 :(得分：408)
使用rbind
do.call(rbind.data.frame, your_list)
编辑：以前的版本返回data.frame的{{1}}而不是向量（正如@IanSudbery在评论中指出的那样）。
答案 1 :(得分：315)
假设您的列表列表名为l：
df <- data.frame(matrix(unlist(l), nrow=length(l), byrow=T))
上面会将所有字符列转换为因子，为避免这种情况，你可以在data.frame（）调用中添加一个参数：
df <- data.frame(matrix(unlist(l), nrow=132, byrow=T),stringsAsFactors=FALSE)
答案 2 :(得分：121)
您可以使用plyr包。
例如，表单
l <- list(a = list(var.1 = 1, var.2 = 2, var.3 = 3)
, b = list(var.1 = 4, var.2 = 5, var.3 = 6)
, c = list(var.1 = 7, var.2 = 8, var.3 = 9)
, d = list(var.1 = 10, var.2 = 11, var.3 = 12)
)
现在长度为4，l中的每个列表都包含另一个长度为3的列表。
现在你可以运行
library (plyr)
df <- ldply (l, data.frame)
并且应该得到与答案@Marek和@nico相同的结果。
答案 3 :(得分：85)
data.frame(t(sapply(mylistlist,c)))
sapply将其转换为矩阵。
data.frame将矩阵转换为数据框。
答案 4 :(得分：58)
假设您的列表名为L，
data.frame(Reduce(rbind, L))
答案 5 :(得分：51)
包data.table的功能rbindlist是do.call(rbind, list(...))的超快实现。
可以将lists，data.frames或data.tables列为输入。
library(data.table)
ll <- list(a = list(var.1 = 1, var.2 = 2, var.3 = 3)
, b = list(var.1 = 4, var.2 = 5, var.3 = 6)
, c = list(var.1 = 7, var.2 = 8, var.3 = 9)
, d = list(var.1 = 10, var.2 = 11, var.3 = 12)
)
DT <- rbindlist(ll)
这会从data.table返回data.frame个继承。
如果 真的 想要转换回data.frame，请使用as.data.frame(DT)
答案 6 :(得分：27)
tibble包有一个函数enframe()，可以通过将嵌套的list对象强制转换为嵌套的tibble来解决此问题（＆＃34;整洁＆＃34;数据框）对象。以下是R for Data Science的简要示例：
x <- list(
a = 1:5,
b = 3:4,
c = 5:6
)
df <- enframe(x)
df
#> # A tibble: 3 × 2
#> name value
#> <chr> <list>
#> 1 a <int [5]>
#> 2 b <int [2]>
#> 3 c <int [2]>
由于您的列表l中有多个嵌套，您可以使用unlist(recursive = FALSE)删除不必要的嵌套以获取单个分层列表，然后传递给enframe()。我使用tidyr::unnest()将输出排除在一个单一级别之前＆＃34; tidy＆＃34;数据框，包含两列（一列用于组name，另一列用于组value的观察。如果您希望列宽，则可以使用add_column()添加一列，只重复值的顺序132次。然后只需spread()值。
library(tidyverse)
l <- replicate(
132,
list(sample(letters, 20)),
simplify = FALSE
)
l_tib <- l %>%
unlist(recursive = FALSE) %>%
enframe() %>%
unnest()
l_tib
#> # A tibble: 2,640 x 2
#> name value
#> <int> <chr>
#> 1 1 d
#> 2 1 z
#> 3 1 l
#> 4 1 b
#> 5 1 i
#> 6 1 j
#> 7 1 g
#> 8 1 w
#> 9 1 r
#> 10 1 p
#> # ... with 2,630 more rows
l_tib_spread <- l_tib %>%
add_column(index = rep(1:20, 132)) %>%
spread(key = index, value = value)
l_tib_spread
#> # A tibble: 132 x 21
#> name `1` `2` `3` `4` `5` `6` `7` `8` `9` `10` `11`
#> * <int> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 1 d z l b i j g w r p y
#> 2 2 w s h r i k d u a f j
#> 3 3 r v q s m u j p f a i
#> 4 4 o y x n p i f m h l t
#> 5 5 p w v d k a l r j q n
#> 6 6 i k w o c n m b v e q
#> 7 7 c d m i u o e z v g p
#> 8 8 f s e o p n k x c z h
#> 9 9 d g o h x i c y t f j
#> 10 10 y r f k d o b u i x s
#> # ... with 122 more rows, and 9 more variables: `12` <chr>, `13` <chr>,
#> # `14` <chr>, `15` <chr>, `16` <chr>, `17` <chr>, `18` <chr>,
#> # `19` <chr>, `20` <chr>
答案 7 :(得分：16)
Reshape2产生的输出与上面的plyr示例相同：
library(reshape2)
l <- list(a = list(var.1 = 1, var.2 = 2, var.3 = 3)
, b = list(var.1 = 4, var.2 = 5, var.3 = 6)
, c = list(var.1 = 7, var.2 = 8, var.3 = 9)
, d = list(var.1 = 10, var.2 = 11, var.3 = 12)
)
l <- melt(l)
dcast(l, L1 ~ L2)
的产率：
L1 var.1 var.2 var.3
1 a 1 2 3
2 b 4 5 6
3 c 7 8 9
4 d 10 11 12
如果你几乎没有像素，那么你可以在1行中重做（/ recast（））。
答案 8 :(得分：10)
根据列表的结构，有一些tidyverse选项可以很好地用于不等长列表：
l <- list(a = list(var.1 = 1, var.2 = 2, var.3 = 3)
, b = list(var.1 = 4, var.2 = 5)
, c = list(var.1 = 7, var.3 = 9)
, d = list(var.1 = 10, var.2 = 11, var.3 = NA))
df <- dplyr::bind_rows(l)
df <- purrr::map_df(l, dplyr::bind_rows)
df <- purrr::map_df(l, ~.x)
# all create the same data frame:
# A tibble: 4 x 3
var.1 var.2 var.3
<dbl> <dbl> <dbl>
1 1 2 3
2 4 5 NA
3 7 NA 9
4 10 11 NA
您还可以混合矢量和数据帧：
library(dplyr)
bind_rows(
list(a = 1, b = 2),
data_frame(a = 3:4, b = 5:6),
c(a = 7)
)
# A tibble: 4 x 2
a b
<dbl> <dbl>
1 1 2
2 3 5
3 4 6
4 7 NA
答案 9 :(得分：9)
延伸@ Marek的答案：如果你想避免将字符串转化为因素而效率不是问题，请尝试
do.call(rbind, lapply(your_list, data.frame, stringsAsFactors=FALSE))
答案 10 :(得分：9)
对于深层嵌套列表的一般情况，其中包含3个或更多级别，例如从嵌套JSON中获取的列表
{
"2015": {
"spain": {"population": 43, "GNP": 9},
"sweden": {"population": 7, "GNP": 6}},
"2016": {
"spain": {"population": 45, "GNP": 10},
"sweden": {"population": 9, "GNP": 8}}
}
首先考虑melt()将嵌套列表转换为高格式的方法：
myjson <- jsonlite:fromJSON(file("test.json"))
tall <- reshape2::melt(myjson)[, c("L1", "L2", "L3", "value")]
L1 L2 L3 value
1 2015 spain population 43
2 2015 spain GNP 9
3 2015 sweden population 7
4 2015 sweden GNP 6
5 2016 spain population 45
6 2016 spain GNP 10
7 2016 sweden population 9
8 2016 sweden GNP 8
接着是dcast()然后再次变宽到一个整洁的数据集，其中每个变量形成一个列，每个观察形成一行：
wide <- reshape2::dcast(tall, L1+L2~L3)
# left side of the formula defines the rows/observations and the
# right side defines the variables/measurements
L1 L2 GNP population
1 2015 spain 9 43
2 2015 sweden 6 7
3 2016 spain 10 45
4 2016 sweden 8 9
答案 11 :(得分：8)
更多答案，以及此问题答案的时间安排： What is the most efficient way to cast a list as a data frame?
最快的方法是，不会产生带有列表而不是列向量的数据框（来自Martin Morgan的答案）：
l <- list(list(col1="a",col2=1),list(col1="b",col2=2))
f = function(x) function(i) unlist(lapply(x, `[[`, i), use.names=FALSE)
as.data.frame(Map(f(l), names(l[[1]])))
答案 12 :(得分：7)
有时您的数据可能是相同长度的矢量列表列表。
lolov = list(list(c(1,2,3),c(4,5,6)), list(c(7,8,9),c(10,11,12),c(13,14,15)) )
（内部向量也可以是列表，但我正在简化以使其更易于阅读）。
然后您可以进行以下修改。请记住，您可以一次取消一个级别：
lov = unlist(lolov, recursive = FALSE )
> lov
[[1]]
[1] 1 2 3
[[2]]
[1] 4 5 6
[[3]]
[1] 7 8 9
[[4]]
[1] 10 11 12
[[5]]
[1] 13 14 15
现在使用其他答案中提到的您最喜欢的方法：
library(plyr)
>ldply(lov)
V1 V2 V3
1 1 2 3
2 4 5 6
3 7 8 9
4 10 11 12
5 13 14 15
答案 13 :(得分：7)
此方法使用tidyverse包（ purrr ）。
清单：
x <- as.list(mtcars)
将其转换为数据框（更具体地说是tibble）：
library(purrr)
map_df(x, ~.x)
答案 14 :(得分：4)
l <- replicate(10,list(sample(letters, 20)))
a <-lapply(l[1:10],data.frame)
do.call("cbind", a)
答案 15 :(得分：4)
这最终对我有用：
do.call("rbind", lapply(S1, as.data.frame))
答案 16 :(得分：2)
对于使用purrr系列解决方案的并行（多核，多会话等）解决方案，请使用：
library (furrr)
plan(multisession) # see below to see which other plan() is the more efficient
myTibble <- future_map_dfc(l, ~.x)
其中l是列表。
要对最有效的plan()进行基准测试，可以使用：
library(tictoc)
plan(sequential) # reference time
# plan(multisession) # benchamark plan() goes here. See ?plan().
tic()
myTibble <- future_map_dfc(l, ~.x)
toc()
答案 17 :(得分：1)
我发现的所有解决方案似乎仅在list中的每个对象都具有相同的length时才适用。当list中的对象data.frame不等于length时，我需要将list转换为length。以下是我想到的基本R解决方案。毫无疑问，这是非常低效的，但它确实起作用了。
x1 <- c(2, 13)
x2 <- c(2, 4, 6, 9, 11, 13)
x3 <- c(1, 1, 2, 3, 3, 4, 5, 5, 6, 7, 7, 8, 9, 9, 10, 11, 11, 12, 13, 13)
my.results <- list(x1, x2, x3)
# identify length of each list
my.lengths <- unlist(lapply(my.results, function (x) { length(unlist(x))}))
my.lengths
#[1] 2 6 20
# create a vector of values in all lists
my.values <- as.numeric(unlist(c(do.call(rbind, lapply(my.results, as.data.frame)))))
my.values
#[1] 2 13 2 4 6 9 11 13 1 1 2 3 3 4 5 5 6 7 7 8 9 9 10 11 11 12 13 13
my.matrix <- matrix(NA, nrow = max(my.lengths), ncol = length(my.lengths))
my.cumsum <- cumsum(my.lengths)
mm <- 1
for(i in 1:length(my.lengths)) {
my.matrix[1:my.lengths[i],i] <- my.values[mm:my.cumsum[i]]
mm <- my.cumsum[i]+1
}
my.df <- as.data.frame(my.matrix)
my.df
# V1 V2 V3
#1 2 2 1
#2 13 4 1
#3 NA 6 2
#4 NA 9 3
#5 NA 11 3
#6 NA 13 4
#7 NA NA 5
#8 NA NA 5
#9 NA NA 6
#10 NA NA 7
#11 NA NA 7
#12 NA NA 8
#13 NA NA 9
#14 NA NA 9
#15 NA NA 10
#16 NA NA 11
#17 NA NA 11
#18 NA NA 12
#19 NA NA 13
#20 NA NA 13
答案 18 :(得分：0)
以下简单命令对我有用：
myDf <- as.data.frame(myList)
参考（Quora answer）
> myList <- list(a = c(1, 2, 3), b = c(4, 5, 6))
> myList
$a
[1] 1 2 3
$b
[1] 4 5 6
> myDf <- as.data.frame(myList)
a b
1 1 4
2 2 5
3 3 6
> class(myDf)
[1] "data.frame"
但是，如果将列表转换为数据框的方式不明显，则会失败：
> myList <- list(a = c(1, 2, 3), b = c(4, 5, 6, 7))
> myDf <- as.data.frame(myList)
Error in (function (..., row.names = NULL, check.rows = FALSE, check.names = TRUE, :
arguments imply differing number of rows: 3, 4
答案 19 :(得分：0)
如何将map_函数与for循环一起使用？这是我的解决方案：
list_to_df <- function(list_to_convert) {
tmp_data_frame <- data.frame()
for (i in 1:length(list_to_convert)) {
tmp <- map_dfr(list_to_convert[[i]], data.frame)
tmp_data_frame <- rbind(tmp_data_frame, tmp)
}
print(tmp_data_frame)
}
其中map_dfr将每个列表元素转换为一个data.frame，然后rbind将它们完全合并在一起。
在您的情况下，我想应该是：
converted_list <- list_to_df(l)
答案 20 :(得分：0)
尝试collapse::unlist2d（“不列出data.frame”的缩写）：
l <- replicate(
132,
list(sample(letters, 20)),
simplify = FALSE
)
library(collapse)
head(unlist2d(l))
.id.1 .id.2 V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20
1 1 1 e x b d s p a c k z q m u l h n r t o y
2 2 1 r t i k m b h n s e p f o c x l g v a j
3 3 1 t r v z a u c o w f m b d g p q y e n k
4 4 1 x i e p f d q k h b j s z a t v y l m n
5 5 1 d z k y a p b h c v f m u l n q e i w j
6 6 1 l f s u o v p z q e r c h n a t m k y x
head(unlist2d(l, idcols = FALSE))
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20
1 e x b d s p a c k z q m u l h n r t o y
2 r t i k m b h n s e p f o c x l g v a j
3 t r v z a u c o w f m b d g p q y e n k
4 x i e p f d q k h b j s z a t v y l m n
5 d z k y a p b h c v f m u l n q e i w j
6 l f s u o v p z q e r c h n a t m k y x
答案 21 :(得分：0)
或者你可以使用 tibble 包（来自 tidyverse）：
#create examplelist
l <- replicate(
132,
as.list(sample(letters, 20)),
simplify = FALSE
)
#package tidyverse
library(tidyverse)
#make a dataframe (or use as_tibble)
df <- as_data_frame(l,.name_repair = "unique")
答案 22 :(得分：-1)
一种简短（但可能不是最快）的方法是使用base r，因为数据帧只是一个list of equal length vectors。因此，您的输入列表和30 x 132 data.frame之间的转换将是：
df <- data.frame(l)
从那里我们可以将其转置为132 x 30矩阵，并将其转换回数据帧：
new_df <- data.frame(t(df))
单线：
new_df <- data.frame(t(data.frame(l)))
行名看起来很烦人，但您始终可以使用以下名称重命名
rownames(new_df) <- 1:nrow(new_df)