我经常想要将每个索引具有相同元素类型的列表转换为数据帧。例如,我可能有一个列表:
> my.list
[[1]]
[[1]]$global_stdev_ppb
[1] 24267673
[[1]]$range
[1] 0.03114799
[[1]]$tok
[1] "hello"
[[1]]$global_freq_ppb
[1] 211592.6
[[2]]
[[2]]$global_stdev_ppb
[1] 11561448
[[2]]$range
[1] 0.08870838
[[2]]$tok
[1] "world"
[[2]]$global_freq_ppb
[1] 1002043
我想将此列表转换为数据框,其中每个索引元素都是一列。自然(对我来说)要做的就是使用do.call
:
> my.matrix<-do.call("rbind", my.list)
> my.matrix
global_stdev_ppb range tok global_freq_ppb
[1,] 24267673 0.03114799 "hello" 211592.6
[2,] 11561448 0.08870838 "world" 1002043
直截了当,但当我尝试将此矩阵转换为数据框时,列仍然是列表元素,而不是向量:
> my.df<-as.data.frame(my.matrix, stringsAsFactors=FALSE)
> my.df[,1]
[[1]]
[1] 24267673
[[2]]
[1] 11561448
目前,为了正确地投射数据框,我使用unlist
和as.vector
迭代每一列,然后重建数据框:
new.list<-lapply(1:ncol(my.matrix), function(x) as.vector(unlist(my.matrix[,x])))
my.df<-as.data.frame(do.call(cbind, new.list), stringsAsFactors=FALSE)
然而,这似乎效率很低。有更好的方法吗?
答案 0 :(得分:48)
我想你想要:
> do.call(rbind, lapply(my.list, data.frame, stringsAsFactors=FALSE))
global_stdev_ppb range tok global_freq_ppb
1 24267673 0.03114799 hello 211592.6
2 11561448 0.08870838 world 1002043.0
> str(do.call(rbind, lapply(my.list, data.frame, stringsAsFactors=FALSE)))
'data.frame': 2 obs. of 4 variables:
$ global_stdev_ppb: num 24267673 11561448
$ range : num 0.0311 0.0887
$ tok : chr "hello" "world"
$ global_freq_ppb : num 211593 1002043
答案 1 :(得分:31)
另一种选择是:
data.frame(t(sapply(mylist, `[`)))
但是这个简单的操作导致了列表的数据框:
> str(data.frame(t(sapply(mylist, `[`))))
'data.frame': 2 obs. of 3 variables:
$ a:List of 2
..$ : num 1
..$ : num 2
$ b:List of 2
..$ : num 2
..$ : num 3
$ c:List of 2
..$ : chr "a"
..$ : chr "b"
对此的替代方案,沿着相同的路线,但现在结果与其他解决方案相同,是:
data.frame(lapply(data.frame(t(sapply(mylist, `[`))), unlist))
[编辑:包含了@Martin Morgan的两个解决方案的时间,这两个解决方案优于另一个返回向量数据帧的解决方案。]一个非常简单的问题的一些有代表性的时间:
mylist <- list(list(a = 1, b = 2, c = "a"), list(a = 2, b = 3, c = "b"))
> ## @Joshua Ulrich's solution:
> system.time(replicate(1000, do.call(rbind, lapply(mylist, data.frame,
+ stringsAsFactors=FALSE))))
user system elapsed
1.740 0.001 1.750
> ## @JD Long's solution:
> system.time(replicate(1000, do.call(rbind, lapply(mylist, data.frame))))
user system elapsed
2.308 0.002 2.339
> ## my sapply solution No.1:
> system.time(replicate(1000, data.frame(t(sapply(mylist, `[`)))))
user system elapsed
0.296 0.000 0.301
> ## my sapply solution No.2:
> system.time(replicate(1000, data.frame(lapply(data.frame(t(sapply(mylist, `[`))),
+ unlist))))
user system elapsed
1.067 0.001 1.091
> ## @Martin Morgan's Map() sapply() solution:
> f = function(x) function(i) sapply(x, `[[`, i)
> system.time(replicate(1000, as.data.frame(Map(f(mylist), names(mylist[[1]])))))
user system elapsed
0.775 0.000 0.778
> ## @Martin Morgan's Map() lapply() unlist() solution:
> f = function(x) function(i) unlist(lapply(x, `[[`, i), use.names=FALSE)
> system.time(replicate(1000, as.data.frame(Map(f(mylist), names(mylist[[1]])))))
user system elapsed
0.653 0.000 0.658
答案 2 :(得分:18)
我无法告诉你这在内存或速度方面是“最有效的”,但它在编码方面非常有效:
my.df <- do.call("rbind", lapply(my.list, data.frame))
使用data.frame()的lapply()步骤将每个列表项转换为单行数据框,然后使用rbind()
答案 3 :(得分:16)
虽然这个问题早已得到解答,但值得指出data.table
包有rbindlist
可以快速完成此任务 :
library(microbenchmark)
library(data.table)
l <- replicate(1E4, list(a=runif(1), b=runif(1), c=runif(1)), simplify=FALSE)
microbenchmark( times=5,
R=as.data.frame(Map(f(l), names(l[[1]]))),
dt=data.frame(rbindlist(l))
)
给了我
Unit: milliseconds
expr min lq median uq max neval
R 31.060119 31.403943 32.278537 32.370004 33.932700 5
dt 2.271059 2.273157 2.600976 2.635001 2.729421 5
答案 4 :(得分:13)
此
f = function(x) function(i) sapply(x, `[[`, i)
是一个函数,它返回一个提取x的第i个元素的函数。所以
Map(f(mylist), names(mylist[[1]]))
获取一个名为(感谢Map!)的矢量列表,可以将其作为数据框
as.data.frame(Map(f(mylist), names(mylist[[1]])))
对于速度来说,使用unlist(lapply(...), use.names=FALSE)
作为
f = function(x) function(i) unlist(lapply(x, `[[`, i), use.names=FALSE)
更通用的变体是
f = function(X, FUN) function(...) sapply(X, FUN, ...)
什么时候列表列表结构出现了?也许有一个更早的步骤,迭代可以被更多矢量化的东西取代?
答案 5 :(得分:3)
dplyr软件包的bind_rows
效率很高。
one <- mtcars[1:4, ]
two <- mtcars[11:14, ]
system.time(dplyr::bind_rows(one, two))
user system elapsed
0.001 0.000 0.001
答案 6 :(得分:0)
不确定它们在效率方面的排名,但是根据列表的结构,有一些tidyverse
选项。一个额外的好处是它们可以很好地与不等长列表一起使用:
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