我有一个在数据框中分层编码的变量。像这样:
df$variable
[1] "62010" "79110" "69202" "96040" "90010" "59200" ...
现在我想把它改成一个列表。像这样:
$ :List of 2
..$ : chr "62"
..$ :List of 2
.. ..$ : chr "620"
.. ..$ : List of 2
.. .. ..$ : chr "6201"
.. .. ..$ : List of 1
.. .. .. ..$ : chr "62010"
我设法创建了两个两级嵌套列表:
l1 <- lapply(unique(df$variable)), list)
l2 <- unique(lapply(l1, function(x) substr(x, 1,2)))
l3 <- unique(lapply(l1, function(x) substr(x, 1,3)))
l4 <- unique(lapply(l1, function(x) substr(x, 1,4)))
l5 <- unique(lapply(l1, function(x) substr(x, 1,5)))
l23 <- mapply(list, l2, lapply(l2, function(x) l3[substr(l3,1,2) == x]), SIMPLIFY = FALSE)
l45 <- mapply(list, l4, lapply(l4, function(x) l5[substr(l5,1,4) == x]), SIMPLIFY = FALSE)
这产生了以下结果:
str(l23)
$ :List of 2
..$ : chr "62"
..$ :List of 1
.. ..$ : chr "620"
和
str(l45)
$ :List of 2
..$ : chr "6201"
..$ :List of 1
.. ..$ : chr "62010"
有关如何组合这两个列表的任何见解?或者也许如何以一种完全不同的方式去做呢?
修改 添加了dput:
dput(l1)
list(list("62010"), list("79110"), list("69202"), list("96040"),
list("90010"), list("59200"), list("43320"), list("90020"),
list("46220"), list("90030"), list("70220"), list("86909"),
list("58110"), list("82990"), list("45110"), list("45201"),
list("68203"), list("46720"), list("46510"), list("95290"),
list("85510"), list("68204"), list("41200"), list("74900"),
list("59120"), list("13921"), list("96090"), list("74102"),
list("96022"), list("70210"))
dput(l23)
list(list("62", list("620")), list("79", list("791", "799")),
list("69", list("692", "691")), list("96", list("960")),
list("90", list("900")), list("59", list("592", "591")),
list("43", list("433", "432", "439", "431")), list("46",
list("462", "467", "465", "463", "464", "461", "466")),
list("70", list("702")), list("86", list("869", "862")),
list("58", list("581", "582")), list("82", list("829", "821",
"822", "823")), list("45", list("451", "452", "453")),
list("68", list("682", "683")), list("95", list("952")),
list("85", list("855", "856", "851", "854", "853")), list(
"41", list("412", "411")), list("74", list("749", "741",
"742", "743")), list("13", list("139")), list("47", list(
"479", "475", "472", "476", "477", "471", "474")), list(
"88", list("889", "881")), list("73", list("731")), list(
"71", list("711", "712")), list("66", list("661")), list(
"49", list("494", "493")), list("32", list("329", "324",
"325")), list("63", list("631")), list("10", list("107",
"108")), list("93", list("931", "932")), list("81", list(
"812", "813")))
dput(l45)
list(list("6201", list("62010")), list("7911", list("79110")),
list("6920", list("69202", "69201")), list("9604", list("96040")),
list("9001", list("90010")), list("5920", list("59200")),
list("4332", list("43320")), list("9002", list("90020")),
list("4622", list("46220")), list("9003", list("90030")),
list("7022", list("70220")), list("8690", list("86909", "86905",
"86901")), list("5811", list("58110")), list("8299",
list("82990")), list("4511", list("45110")), list("4520",
list("45201", "45203")), list("6820", list("68203", "68204",
"68201", "68202", "68209")), list("4672", list("46720")),
list("4651", list("46510")), list("9529", list("95290")),
list("8551", list("85510")), list("4120", list("41200")),
list("7490", list("74900")), list("5912", list("59120")),
list("1392", list("13921")), list("9609", list("96090")),
list("7410", list("74102", "74101", "74103")), list("9602",
list("96022", "96021")), list("7021", list("70210")),
list("4791", list("47919", "47912", "47911", "47916", "47914")))
这是我的第一个问题,如果我没有澄清任何内容,请原谅。
修改 因此,为了澄清数字根不是唯一的,几个节点将共享一个父节点。以“90010”和“90020”为例。它们既可以在“90”的父列表中组织,也可以在“900”的子列表中组织,但是然后分成“9001”和“9002”。我添加了一个更大的输入来举例说明。不幸的是,先前和较短的输出并未表明这可能发生。道歉。
答案 0 :(得分:3)
这是我认为给你想要的一种方式。不知道每个字符串可以有多长,我把它递归。基本上to_sublist
需要string_list
,即l1
的{{1}}元素之一,并且从底部开始制作层次结构。如果字符串长于2,则删除一个字符并将其放一级,然后调用自身继续该过程。然后,我们list("62010)
可以lapply
并获得所需的结果。
l1
由reprex package(v0.2.0)创建于2018-06-07。
-------探索--------
l1 <- list(list("62010"), list("79110"), list("69202"), list("96040"), list("90010"), list("59200"))
to_sublist <- function(string_list){
string <- string_list[[1]]
if (nchar(string) == 2){
return(string_list)
} else {
substring <- substr(string, 1, nchar(string) - 1)
sublist <- list(substring, string_list)
return(to_sublist(sublist))
}
}
l_out <- lapply(l1, to_sublist)
str(l_out[1:2])
#> List of 2
#> $ :List of 2
#> ..$ : chr "62"
#> ..$ :List of 2
#> .. ..$ : chr "620"
#> .. ..$ :List of 2
#> .. .. ..$ : chr "6201"
#> .. .. ..$ :List of 1
#> .. .. .. ..$ : chr "62010"
#> $ :List of 2
#> ..$ : chr "79"
#> ..$ :List of 2
#> .. ..$ : chr "791"
#> .. ..$ :List of 2
#> .. .. ..$ : chr "7911"
#> .. .. ..$ :List of 1
#> .. .. .. ..$ : chr "79110"
由reprex package(v0.2.0)创建于2018-06-07。
答案 1 :(得分:0)
我确信您可以通过几种不同的方式解决问题。事实上,它似乎与suffix array密切相关,但在您的情况下,它似乎是一个前缀数组,并不包括空(&#39; $&#39;)或单身人士(在你的情况下,第一个角色)。
以下是仅使用String
R:
base
申请数据中的列:
pref_list <- function(str) {
pl <- function(str, l, n) {
if (n == 2)
return(list(substr(str, 1, n), l))
pl(str, list(substr(str, 1, n), l), n - 1)
}
pl(str, list(str), nchar(str) - 1)
}
编辑:我刚刚在评论中读到您确实想要使用res <- lapply(df$variable, pref_list)
str(res[[1]])
#>List of 2
#> $ : chr "62"
#> $ :List of 2
#> ..$ : chr "620"
#> ..$ :List of 2
#> .. ..$ : chr "6201"
#> .. ..$ :List of 1
#> .. .. ..$ : chr "62010"
作为输入。我建议您直接使用l1
,但如果您愿意,可以使用df$variable
:
l1