R：如何表示每行由任意键/值对扩充的表？

这是一个新手的问题。我开始探索R在网站分析中的应用。我有一组具有公共属性的页面视图事件，以及依赖于页面的任意属性集。例如，所有事件都将有一个

用户ID

，

创建数据

，和

页面ID

，但是

注册“

页面可能有一个特殊属性

origin

，其值可以是

“adwords”

或

“organic”

，等等

在JSON中，数据可能如下所示：

[
   {
      "userId":null,
      "pageId":"home",
      "sessionId":"abcd",
      "createdAt":1381013741,
      "parameters":{},
   },
   {
      "userId":123,
      "pageId":"signup",
      "sessionId":"abcd",
      "createdAt":1381013787,
      "parameters":{
         "origin":"adwords",
         "campaignId":4
      }
   }
]

我一直在努力用R数据结构有效地表示这些数据特别是，我需要能够根据任意键/值对的条件对事件列表进行子集划分，例如，选择其

pageId==“signup”

和

origin==“adwords”

的所有事件

用于任意参数的键具有足够的多样性，因此为每个可能的键创建填充稀疏的列似乎是不合理的

我目前正在将数据预处理为两个CSV文件，

core\u properties.CSV

和

parameters.CSV

，格式如下：

# core_properties.csv (one record per pageview)
userId,pageId,sessionId,createdAt
,home,abcd
123,signup,abcd,1381013741
...

# parameters.csv (one record per k/v pair)
row,key,value   # <- "row" here denotes the record index in core_properties.csv
1,origin,adwords
1,campaignId,4
...

现在，我可以通过以下语法访问第一个事件的origin属性：

events[1，][[“parameters”]][[1][[“origin”]]

-注意，出于某种原因，它需要一个额外的

[[1]]

下标。数据帧似乎不喜欢将列表作为单元格的单个值：

> events[1,][["parameters"]] <- list()
Error in `[[<-.data.frame`(`*tmp*`, "parameters", value = list()) : 
   replacement has 0 rows, data has 1

---

>events[1，][[“parameters”]]您可以使用R中的嵌套列表，这些列表可以很好地映射到JSON。我已经展示了一个简单的示例，其中根据参数原点进行过滤

dat <- list(
  list(userId = NULL, pageId = "home", createdAt = 1381013741, parameters = list()),
  list(userId = NULL, pageId = "new", createdAt = 1381013741, parameters = list(origin = 'adwords', campaignId = 4))
)

Filter(function(l){length(l) > 0 && l$parameters$origin == 'adwords'}, dat)

dat 0&&l$parameters$origin=='adwords'}，dat）
JSON可以很好地转换为R中的
list
s。列表的名称用作键。对于键控表格数据结构，请查看data.table.interest。但对于大型数据集，在列表上使用过滤器似乎比通过数据帧提供的索引慢得多：
Filter（函数（x）{x$pageId==“home”}，data）
与
data[data$page_id==“name”，]
-我使用的数据集通常有数百万行，并执行许多此类过滤操作。您是否推荐一种不同的方法？在这种情况下，我建议您查看像MongoDB这样的数据库，它们具有帮助程序包，允许您直接从R处理查询。您将发现如何使用
rmongodb
执行高级查询
dat <- list(
  list(userId = NULL, pageId = "home", createdAt = 1381013741, parameters = list()),
  list(userId = NULL, pageId = "new", createdAt = 1381013741, parameters = list(origin = 'adwords', campaignId = 4))
)

Filter(function(l){length(l) > 0 && l$parameters$origin == 'adwords'}, dat)