R 创建具有可变维度的嵌套数据框

我有一个数据框，其中一列

keys

描述了所有剩余列的格式。在下面的示例中，有两个这样的值列，但通常可能还有更多

库（tidyverse）
dat=tribble(
~id，~keys，~vals1，~vals2，
1、“A/B”、“1/2”、“11/12”，
3、“C/D/E”、“6/7/8”、“16”
)

我想将这些列转换为一列嵌套的数据帧：在每一行中，值应在

“/”

上拆分，并形成数据帧的行，标题取自

键

条目

值列中的条目可能会被截断，在这种情况下，NA应用于缺少的值（即，示例中的条目

“16”

应解释为

“16/NA/NA”

）

以下代码生成此特定情况下需要的列：

res=dat%>%
mutate_at（vars（key:last_col（）），str_split，pattern=fixed（“/”）%>%
变异（df=pmap（选择（，键：last_col（）），
~bind_行（集合名（…2，…1[1:长度（…2）]），
集合名（…3，…1[1:长度（…3）]）
res$df
#> [[1]]
#>#tibble:2x2
#>A B
#>    
#> 1 1     2    
#> 2 11    12   
#> 
#> [[2]]
#>#tibble:2 x 3
#>C D E
#>     
#> 1 6     7     8    
#> 2 16      

我的问题是如何推广到更多（未知）的列。另外，我使用的

setNames

感觉相当笨拙，我希望它能更优雅一点

我主要是寻找一个tidyverse解决方案，但也欢迎其他方法

更新 我应该强调的是，我正在寻找的输出是一个单一的数据帧，其中包含列

id

（未更改）和

df

（嵌套数据帧的列表）

（原始键/值列并不重要；它们可能会被删除。）

以下是上述示例中所需的结构：

str（res%>%select（id，df））
#>类“tbl_df”、“tbl”和“data.frame”：2个obs。共有2个变量：
#>$id:num13
#>$df：2人名单
#>..$：类“tbl_df”、“tbl”和“data.frame”：2个obs。共有2个变量：
#>   .. ..$ A:chr“1”“11”
#>   .. ..$ B:chr“2”“12”
#>..$：类“tbl_df”、“tbl”和“data.frame”：2个obs。共有3个变量：
#>   .. ..$ C:chr“6”“16”
#>   .. ..$ D:chr“7”NA
#>   .. ..$ E:chr“8”NA

重塑后，这里有另一个选项

library(dplyr)
library(tidyr)
library(purrr)
dat %>% 
  pivot_longer(matches("vals\\d+")) %>% 
  select(-id) %>% 
  pivot_wider(names_from = keys, values_from = value) %>% 
  select(-name) %>%
  split.default(seq_along(.)) %>%
  map(~ .x %>% 
           separate(names(.), into = str_split(names(.), fixed("/")) %>% 
                unlist, sep="[/]"))

---

对于每行，可以将最后3列转换为单个字符元素，其中列值由换行符分隔。然后您基本上有一个csv，但是使用了

/

s而不是逗号，因此您可以使用read.table或其他东西来读取它。我使用data.table:：fread是因为它的

fill

选项，但也可以通过read\u table或read.table来实现这一点

res <- 
  dat %>% 
    mutate(df =  apply(dat[-1], 1, function(x)
                    data.table::fread(paste(x, collapse = '\n'), 
                                      sep = '/', fill = TRUE)))

res$df

# [[1]]
#     A  B
# 1:  1  2
# 2: 11 12
# 
# [[2]]
#     C  D  E
# 1:  6  7  8
# 2: 16 NA NA

您也可以使用

split

，如下所示

split(dat[-1], dat[1]) %>% 
  map(~ fread(paste0(.x, collapse="\n"), sep="/", fill = TRUE))

# $`1`
#     A  B
# 1:  1  2
# 2: 11 12
# 
# $`3`
#     C  D  E
# 1:  6  7  8
# 2: 16 NA NA

---

这是我自己最初尝试的一个改进，它至少适用于任意数量的列

在定义了一个小的效用函数之后

set\u names\u pad=函数（x，y）{
长度（x）=长度（y）
集合名（x，y）
}

以下基于

pmap

的代码给出了所需的结果：

dat%>%
mutate_at（vars（key:last_col（）），str_split，pattern=fixed（“/”）%>%
在（vars（matches（“val”）），~map2（，key，set_names_pad））处进行变异%>%
变异（df=pmap（选择（，匹配（“val”）），绑定_行））
#>#A tible:2 x 5
#>id键vals1 vals2 df
#>                          
#> 1     1    
#> 2     3    

当输入有很多行时，这似乎表现得相当好。下面是对@IceCreamToucan的两个建议的比较：

#pmap解决方案
g=函数（x）{
x%>%
mutate_at（vars（key:last_col（）），str_split，pattern=fixed（“/”）%>%
在（vars（matches（“val”）），~map2（，key，set_names_pad））处进行变异%>%
变异（df=pmap（选择（，匹配（“val”）），绑定_行））
}
#我能吃冰淇淋吗
f1=函数（x）{
x%>%
变异（df=apply（.[-1]，1，函数（x）
data.table:：fread（粘贴（x，collapse='\n'），sep='/'，fill=TRUE）））
}
#冰激凌巨嘴鸟II
f2=函数（x）{
x%>%
mutate（df=lappy（do.call（粘贴，c（.[1]，sep='\n'）），
data.table:：fread，sep='/'，fill=TRUE）
}
基准：标记（f1（dat），f2（dat），g（dat），检查=F）
#>#tibble:3 x 6
#>表达式最小中位数`itr/sec`mem_alloc`gc/sec`
#>               
#>1 f1（dat）1.87ms 1.94ms 483。1.93MB 9.38
#>2 f2（dat）1.59ms 1.66ms 573。34.79KB 11.0
#>3g（dat）9.26ms 9.56ms 98.215.13KB 12.3
#增加到10000行
dat2=list（dat）%%>%rep（5000）%%>%bind\u rows%%>%mutate（id=row\u number（））
基准：标记（f1（dat2），f2（dat2），g（dat2），检查=F）
#>警告：某些表达式在每次迭代中都有GC；所以过滤是
#>残疾人。
#>#tibble:3 x 6
#>表达式最小中位数`itr/sec`mem_alloc`gc/sec`
#>               
#>1 f1（dat2）5.58s 5.58s 0.179 164MB 2.87
#>2 f2（dat2）4.88s 4.88s 0.205 163MB 3.07
#>3 g（dat2）407.51ms 422.89ms 2.36 484KB 5.91
#增加到50000行
dat3=list（dat）%%>%rep（25000）%%>%bind\u rows%%>%mutate（id=row\u number（））
基准：标记（f1（dat3），f2（dat3），g（dat3），检查=F）
#>警告：有些表达式在每次迭代中都有GC；所以过滤是
#>残疾人。
#>#tibble:3 x 6
#>表达式最小中位数`itr/sec`mem_alloc`gc/sec`
#>               
#>1 f1（dat3）30.56s 30.56s 0.0327 825.7MB 1.64
#>2 f2（dat3）26.84S26.84S0.0373816.7MB 1.49
#>3g（dat3）3.63s3.63s0.2752.3Mb2.20

---

尽管如此，我仍然觉得使用

tidyr

的旋转功能可以更优雅地完成此操作。

非常感谢，我现在知道我没有

split(dat[-1], dat[1]) %>% 
  map(~ fread(paste0(.x, collapse="\n"), sep="/", fill = TRUE))

# $`1`
#     A  B
# 1:  1  2
# 2: 11 12
# 
# $`3`
#     C  D  E
# 1:  6  7  8
# 2: 16 NA NA