R 将包含不规则项的一级列表转换为数据框

我正在寻找上述问题的简单解决方案。当API返回JSON并随后转换为列表时，我似乎经常遇到这个问题

Reprex数据：

result_head <- list(list(name = "JEFFREY", gender = "male", probability = 1L, 
count = 932L), list(name = "Jan", gender = "male", probability = 0.6, 
count = 1663L), list(name = "Elquis", gender = NULL), list(
name = "ELQUIS", gender = NULL), list(name = "Francisco", 
gender = "male", probability = 1L, count = 1513L))

我在这里问了一个类似的问题：

。。。但对于一个不太复杂的列表来说，解决方案完全是过度设计的

我希望有一个尽可能优雅的解决方案——我经常遇到这种操作，但似乎没有一种一致的方法来实现这一点，只需要几个层次的函数抽象

我意识到围绕这一点的问题可能已经被问到了，我可能错过了一些东西，但似乎没有一个一致和简单的方法来解决似乎是一个常见的问题

谢谢。

library（purrr）#转置和映射
library(purrr) # transpose and map_if
library(rlist) # list.stack

result_head <- list(
  list(name = "JEFFREY", gender = "male", probability = 1L, count = 932L), 
  list(name = "Jan", gender = "male", probability = 0.6, count = 1663L), 
  list(name = "Elquis", gender = NULL), 
  list(name = "ELQUIS", gender = NULL), 
  list(name = "Francisco", gender = "male", probability = 1L, count = 1513L)
)

list.stack(transpose(
  lapply(transpose(result_head), function(y) map_if(y, is.null, function(x) NA))
))

库（rlist）#list.stack
结果\u head这里是另一个选项，在
展平后使用
映射
，并转换为
tible

library(tidyverse)
map_df(result_head, ~ flatten(.x) %>%
                as_tibble)
# A tibble: 5 x 4
#  name      gender probability count
#  <chr>     <chr>        <dbl> <int>
#1 JEFFREY   male           1     932
#2 Jan       male           0.6  1663
#3 Elquis    <NA>          NA      NA
#4 ELQUIS    <NA>          NA      NA
#5 Francisco male           1    1513

或者只是
库（purrr）；映射dfr（结果头，展平）
谢谢。出于兴趣，为什么map的语法调用.x而不是x？同样，在文档中，它提到.x和.f.@nycrefugee，这可能是为了防止与名为“x”的其他标识符发生冲突。不太可能有名为
.x
       name gender probability count
1   JEFFREY   male         1.0   932
2       Jan   male         0.6  1663
3    Elquis   <NA>          NA    NA
4    ELQUIS   <NA>          NA    NA
5 Francisco   male         1.0  1513

library(tidyverse)
map_df(result_head, ~ flatten(.x) %>%
                as_tibble)
# A tibble: 5 x 4
#  name      gender probability count
#  <chr>     <chr>        <dbl> <int>
#1 JEFFREY   male           1     932
#2 Jan       male           0.6  1663
#3 Elquis    <NA>          NA      NA
#4 ELQUIS    <NA>          NA      NA
#5 Francisco male           1    1513

map_dfr(result_head, flatten)