R 类TIBLE的TIBLE列，而不是类数据帧

使用类

tibble

的

tibble

列（而不是类

list

或

data.frame

）的整洁方式是什么

显然，在

tibble

s中可以有class

data.frame

列（参见 下面的例子），但没有“整洁的数据操作方式”（即。 当我尝试将列强制转换为

tibble

而不是

data.frame时，
dplyr:：mutate（）
或
purrr:：map*.\u df（）

jsonlite:：fromJSON（）的当前输出
#“data.frame”：2个obs。共有3个变量：
#$labels:2个标签的列表
#..$：chr“label-a”label-b
#..$：chr“label-a”label-b
#$levelOne:'data.frame'：2个obs。第1个变量：
#..$levelTwo:'data.frame'：2个obs。第1个变量：
#   .. ..$ 第三级：2人名单
#   .. .. ..$ :'data.frame”：2个obs。共有3个变量：
#   .. .. .. ..$ x:chr“A”和“B”
#   .. .. .. ..$ y:int 1 2
#   .. .. .. ..$ z:logi-TRUE-FALSE
#   .. .. ..$ :'data.frame”：2个obs。共有3个变量：
#   .. .. .. ..$ x:chr“A”和“B”
#   .. .. .. ..$ y:INT1020
#   .. .. .. ..$ z:logi假-真
#$schema:chr“0.0.1”0.0.1

期望结果
#类“tbl_df”、“tbl”和“data.frame”：2个obs。共有3个变量：
#$labels:2个标签的列表
#..$：chr“label-a”label-b
#..$：chr“label-a”label-b
#$levelOne:class'tbl_df'、'tbl'和'data.frame'：2个obs。第1个变量：
#..$levelTwo:class'tbl_df'、'tbl'和'data.frame'：2个obs。第1个变量：
#   .. ..$ 第三级：2人名单
#   .. .. ..$ :类“tbl_df”、“tbl”和“data.frame”：2个obs。共有3个变量：
#   .. .. .. ..$ x:chr“A”和“B”
#   .. .. .. ..$ y:int 1 2
#   .. .. .. ..$ z:logi-TRUE-FALSE
#   .. .. ..$ :类“tbl_df”、“tbl”和“data.frame”：2个obs。共有3个变量：
#   .. .. .. ..$ x:chr“A”和“B”
#   .. .. .. ..$ y:INT1020
#   .. .. .. ..$ z:logi假-真
#$schema:chr“0.0.1”0.0.1

为什么使用
data.frame
列会产生误导

相关的





例子
示例数据
库（magrittr）
json%
tibble:：as_tibble（）
x%>%str（）
#类“tbl_df”、“tbl”和“data.frame”：2个obs。共有3个变量：
#$labels:2个标签的列表
#..$：chr“label-a”label-b
#..$：chr“label-a”label-b
#$levelOne:'data.frame'：2个obs。第1个变量：
#..$levelTwo:'data.frame'：2个obs。第1个变量：
#   .. ..$ 第三级：2人名单
#   .. .. ..$ :'data.frame”：2个obs。共有3个变量：
#   .. .. .. ..$ x:chr“A”和“B”
#   .. .. .. ..$ y:int 1 2
#   .. .. .. ..$ z:logi-TRUE-FALSE
#   .. .. ..$ :'data.frame”：2个obs。共有3个变量：
#   .. .. .. ..$ x:chr“A”和“B”
#   .. .. .. ..$ y:INT1020
#   .. .. .. ..$ z:logi假-真
#$schema:chr“0.0.1”0.0.1

因此，很明显，可以使用类
data.frame
的列

将
data.frame
转换为
tibble
列：“坏方法”
但是我想要的是tibbles而不是数据帧，所以让我们试试我仅有的东西
工作方式：显式重新分配相应的列表级别，或数据帧/TIBLE
列，更准确地说：

#复制一份，这样我们就不会弄乱'x'的初始状态`
y%str（）
#类“tbl_df”、“tbl”和“data.frame”：2个obs。共有3个变量：
#$labels:2个标签的列表
#..$：chr“label-a”label-b
#..$：chr“label-a”label-b
#$levelOne:class'tbl_df'、'tbl'和'data.frame'：2个obs。第1个变量：
#..$levelTwo:class'tbl_df'、'tbl'和'data.frame'：2个obs。第1个变量：
#   .. ..$ 第三级：2人名单
#   .. .. ..$ :类“tbl_df”、“tbl”和“data.frame”：2个obs。共有3个变量：
#   .. .. .. ..$ x:chr“A”和“B”
#   .. .. .. ..$ y:int 1 2
#   .. .. .. ..$ z:logi-TRUE-FALSE
#   .. .. ..$ :类“tbl_df”、“tbl”和“data.frame”：2个obs。共有3个变量：
#   .. .. .. ..$ x:chr“A”和“B”
#   .. .. .. ..$ y:INT1020
#   .. .. .. ..$ z:logi假-真
#$schema:chr“0.0.1”0.0.1

这是可行的，但不符合“整洁的数据操作管道”

将
data.frame
转换为
tibble
列：“更好的方法”（尝试和失败）
#还有一份副本，我们可以比较：
z%
tibble:：as_tibble（）
##tible:2 x 1
#二级$三级
#                
# 1    
# 2    
#尝试使用'dplzr:：mutate（）'使其工作失败：
z%>%
dplyr:：mutate（levelOne=levelOne%>%
tibble:：as_tibble（）
)
#错误：“levelOne”列属于不受支持的类data.frame
z%>%
dplyr:：transmute（一级=一级%>%
tibble:：as_tibble（）
)
#错误：“levelOne”列属于不受支持的类data.frame
#“{purrr}”也是如此：
z%>%
dplyr:：mutate（levelOne=levelOne%>%
purrr:：map_df（tibble:：as_tibble）
)
#错误：“levelOne”列属于不受支持的类data.frame
z%>%
tibble:：add_列（levelOne=z$levelOne%>%tibble:：as_tibble（））
#错误：无法使用“add_column（）”添加重复的列：
#*列“levelOne”已存在于“.data”中。
#有效，但不是我想要的：
z%>%
tibble:：add_列（test=z$levelOne%%>%tibble:：as_tibble（））%%>%
str（）
#类“tbl_df”、“tbl”和“data.frame”：2个obs。共有4个变量：
#  [...]
#$test:class'tbl_df'、'tbl'和'data.frame'：2个obs。第1个变量：
#..$levelTwo:'data.frame'：2个obs。第1个变量：
#   .. ..$ 第三级：2人名单
#   .. .. ..$ :'data.frame”：2个obs。共有3个变量：
#   .. .. .. ..$ x:chr“A”和“B”
#   .. .. .. ..$ y:int 1 2
#   .. .. .. ..$ z:logi-TRUE-FALSE
#   .. .. ..$ :'data.frame”：2个obs。共有3个变量：
#   .. .. .. ..$ x:chr“A”和“B”
#   .. .. .. ..$ y:INT1020
#   .. .. .. ..$ z:logi假-真

唯一有效的东西（不是我们想要的）
包装
tibble:：as_ti
#> Load libraries ----
library(tidyverse)

json <- '[
  {
    "labels": ["label-a", "label-b"],
    "levelOne": {
      "levelTwo": {
        "levelThree": [
          {
            "x": "A",
            "y": 1,
            "z": true
          },
          {
            "x": "B",
            "y": 2,
            "z": false
          }
          ]
      }
    },
    "schema": "0.0.1"
  },
  {
    "labels": ["label-a", "label-b"],
    "levelOne": {
      "levelTwo": {
        "levelThree": [
          {
            "x": "A",
            "y": 10,
            "z": false
          },
          {
            "x": "B",
            "y": 20,
            "z": true
          }
          ]
      }
    },
    "schema": "0.0.1"
  }
]'  

# convert json to a nested data.frame
df <- jsonlite::fromJSON(json)

# define a simple function to convert data.frame to tibble
df_to_tibble <- function(x) {
  if (is.data.frame(x)) as_tibble(x) else x
}

# create df_tibble by reducing the result of applying df_to_tibble to each level
# of df via purrr's modify_depth function %>% lastly, ensure that the top level
# data.frame is also converted to a tibble
df_tibble <- purrr::reduce(
  0:purrr::vec_depth(df),
  function(x, depth) {
    purrr::modify_depth(x, depth, df_to_tibble, .ragged = TRUE)
  }, 
  .init = df
) %>% 
  as_tibble()

# show the structure of df_tibble
str(df_tibble)
#> Classes 'tbl_df', 'tbl' and 'data.frame':    2 obs. of  3 variables:
#>  $ labels  :List of 2
#>   ..$ : chr  "label-a" "label-b"
#>   ..$ : chr  "label-a" "label-b"
#>  $ levelOne:Classes 'tbl_df', 'tbl' and 'data.frame':    2 obs. of  1 variable:
#>   ..$ levelTwo:Classes 'tbl_df', 'tbl' and 'data.frame': 2 obs. of  1 variable:
#>   .. ..$ levelThree:List of 2
#>   .. .. ..$ :Classes 'tbl_df', 'tbl' and 'data.frame':   2 obs. of  3 variables:
#>   .. .. .. ..$ x: chr  "A" "B"
#>   .. .. .. ..$ y: int  1 2
#>   .. .. .. ..$ z: logi  TRUE FALSE
#>   .. .. ..$ :Classes 'tbl_df', 'tbl' and 'data.frame':   2 obs. of  3 variables:
#>   .. .. .. ..$ x: chr  "A" "B"
#>   .. .. .. ..$ y: int  10 20
#>   .. .. .. ..$ z: logi  FALSE TRUE
#>  $ schema  : chr  "0.0.1" "0.0.1"