在R中将列表列分隔为列

给定一个包含两列的数据框，

id

和

value

，我想将其转换为一个包含更多列的数据框，这些列包含

id

和

value

列的分位数：

q0

，

q25

，

q50

，

q75

，

q100

我不知道如何将包含列表的列分隔为包含其值的更多列。当然，所有列表的长度都相同

以下是一个例子：

library(dplyr)
library(tidyr)

set.seed(0)
df <- data.frame(id = rep(c("Alice", "Bob"), each = 10),
                 value = round(rnorm(20) * 10))
> df

我期望的是这个数据帧：

    id      q0%    q25%    q50%    q75%   q100%
1  Alice    -15      -3       2      13      24
2    Bob -12.00   -8.75   -3.50    1.50    8.00

---

我们可以使用

data.table

library(data.table)
setDT(df)[, as.list(quantile(value)) , by =  id]
#      id  0%   25%  50%  75% 100%
#1: Alice -15 -3.00  2.0 13.0   24
#2:   Bob -12 -8.75 -3.5  1.5    8

---

或者使用

dplyr

library(dplyr)
df %>%
   group_by(id) %>% 
   do(data.frame(as.list(quantile(.$value))))
#     id   X0.  X25.  X50.  X75. X100.
#  <fctr> <dbl> <dbl> <dbl> <dbl> <dbl>
#1  Alice   -15 -3.00   2.0  13.0    24
#2    Bob   -12 -8.75  -3.5   1.5     8

库（dplyr）
df%>%
分组依据（id）%>%
do（数据帧（作为列表（分位数（.$value）））
#id X0。X25。X50。X75。X100。
#       
#1 Alice-15-3.00 2.0 13.0 24
#2鲍勃-12-8.75-3.51.58

如果您需要

dplyr

解决方案，您可以像这样使用它：

library(dplyr)
df %>% 
  group_by(id) %>%
  do(data.frame(t(quantile(.$value))))

#     id   X0.  X25.  X50.  X75. X100.
#   <fctr> <dbl> <dbl> <dbl> <dbl> <dbl>
#1  Alice   -15 -3.00   2.0  13.0    24
#2    Bob   -12 -8.75  -3.5   1.5     8

库（dplyr）
df%>%
分组依据（id）%>%
do（数据帧（t（分位数（.$value）））
#id X0。X25。X50。X75。X100。
#        
#1 Alice-15-3.00 2.0 13.0 24
#2鲍勃-12-8.75-3.51.58

怎么样

cbind.data.frame(id=unique(df$id), do.call(rbind, df_quantiles$quantiles))

有输出

id  0%   25%  50%  75% 100%
1 Alice -15 -3.00  2.0 13.0   24
2   Bob -12 -8.75 -3.5  1.5    8

---

列表、as_tible from tibble、as.list和unnest from tidyr的组合完成了这项工作

library(tidyverse)
df_quantiles <- df %>% 
  group_by(id) %>% 
  summarise(quantiles = list(as_tibble(as.list(quantile(value))))) %>% unnest() %>%
  ungroup()

库（tidyverse）
df_分位数%
分组依据（id）%>%
总结（分位数=列表（可编辑的）（分位数（值‘‘‘‘）’）%%>%unnest（）%%>%
解组（）

只需尝试

聚合（df$value，df[“id”]，分位数）

t

明显快于

as.list

我喜欢dplyr解决方案：）

library(data.table)
setDT(df)[, as.list(quantile(value)) , by =  id]
#      id  0%   25%  50%  75% 100%
#1: Alice -15 -3.00  2.0 13.0   24
#2:   Bob -12 -8.75 -3.5  1.5    8

library(dplyr)
df %>%
   group_by(id) %>% 
   do(data.frame(as.list(quantile(.$value))))
#     id   X0.  X25.  X50.  X75. X100.
#  <fctr> <dbl> <dbl> <dbl> <dbl> <dbl>
#1  Alice   -15 -3.00   2.0  13.0    24
#2    Bob   -12 -8.75  -3.5   1.5     8

library(dplyr)
df %>% 
  group_by(id) %>%
  do(data.frame(t(quantile(.$value))))

#     id   X0.  X25.  X50.  X75. X100.
#   <fctr> <dbl> <dbl> <dbl> <dbl> <dbl>
#1  Alice   -15 -3.00   2.0  13.0    24
#2    Bob   -12 -8.75  -3.5   1.5     8

cbind.data.frame(id=unique(df$id), do.call(rbind, df_quantiles$quantiles))

id  0%   25%  50%  75% 100%
1 Alice -15 -3.00  2.0 13.0   24
2   Bob -12 -8.75 -3.5  1.5    8

library(tidyverse)
df_quantiles <- df %>% 
  group_by(id) %>% 
  summarise(quantiles = list(as_tibble(as.list(quantile(value))))) %>% unnest() %>%
  ungroup()