首页 文章

将列表强制转换为数据框的最有效方法是什么？

提问于
浏览 次
45

我经常想要将每个索引具有相同元素类型的列表转换为数据帧 . 例如，我可能有一个列表：

> my.list
[[1]]
[[1]]$global_stdev_ppb
[1] 24267673

[[1]]$range
[1] 0.03114799

[[1]]$tok
[1] "hello"

[[1]]$global_freq_ppb
[1] 211592.6


[[2]]
[[2]]$global_stdev_ppb
[1] 11561448

[[2]]$range
[1] 0.08870838

[[2]]$tok
[1] "world"

[[2]]$global_freq_ppb
[1] 1002043

我想将此列表转换为数据框，其中每个索引元素都是一列 . 自然（对我来说）要做的就是使用 do.call ：

> my.matrix<-do.call("rbind", my.list)
> my.matrix
     global_stdev_ppb range      tok     global_freq_ppb
[1,] 24267673         0.03114799 "hello" 211592.6       
[2,] 11561448         0.08870838 "world" 1002043

直截了当，但是当我尝试将此矩阵转换为数据框时，列仍然是列表元素，而不是向量：

> my.df<-as.data.frame(my.matrix, stringsAsFactors=FALSE)
> my.df[,1]
[[1]]
[1] 24267673

[[2]]
[1] 11561448

目前，为了正确地投射数据框，我使用 unlist 和 as.vector 迭代每一列，然后重建数据框：

new.list<-lapply(1:ncol(my.matrix), function(x) as.vector(unlist(my.matrix[,x])))
my.df<-as.data.frame(do.call(cbind, new.list), stringsAsFactors=FALSE)

然而，这看起来非常低效 . 有更好的方法吗？

list r dataframe

7 回答

  • 16

    我想你想要：

    > do.call(rbind, lapply(my.list, data.frame, stringsAsFactors=FALSE))
  global_stdev_ppb      range   tok global_freq_ppb
1         24267673 0.03114799 hello        211592.6
2         11561448 0.08870838 world       1002043.0
> str(do.call(rbind, lapply(my.list, data.frame, stringsAsFactors=FALSE)))
'data.frame':   2 obs. of  4 variables:
 $ global_stdev_ppb: num  24267673 11561448
 $ range           : num  0.0311 0.0887
 $ tok             : chr  "hello" "world"
 $ global_freq_ppb : num  211593 1002043
    回复于
  • 47

    另一种选择是：

    data.frame(t(sapply(mylist, `[`)))

    但是这种简单的操作导致了列表的数据框：

    > str(data.frame(t(sapply(mylist, `[`))))
'data.frame':   2 obs. of  3 variables:
 $ a:List of 2
  ..$ : num 1
  ..$ : num 2
 $ b:List of 2
  ..$ : num 2
  ..$ : num 3
 $ c:List of 2
  ..$ : chr "a"
  ..$ : chr "b"

    对此的替代方案，沿着相同的路线，但现在结果与其他解决方案相同，是：

    data.frame(lapply(data.frame(t(sapply(mylist, `[`))), unlist))

    [ Edit: 包括了@Martin Morgan的两个解决方案的时间，这两个解决方案优于另一个返回向量数据帧的解决方案 . ]一个非常简单的问题的一些代表性时间：

    mylist <- list(list(a = 1, b = 2, c = "a"), list(a = 2, b = 3, c = "b"))

> ## @Joshua Ulrich's solution:
> system.time(replicate(1000, do.call(rbind, lapply(mylist, data.frame,
+                                     stringsAsFactors=FALSE))))
   user  system elapsed 
  1.740   0.001   1.750

> ## @JD Long's solution:
> system.time(replicate(1000, do.call(rbind, lapply(mylist, data.frame))))
   user  system elapsed 
  2.308   0.002   2.339

> ## my sapply solution No.1:
> system.time(replicate(1000, data.frame(t(sapply(mylist, `[`)))))
   user  system elapsed 
  0.296   0.000   0.301

> ## my sapply solution No.2:
> system.time(replicate(1000, data.frame(lapply(data.frame(t(sapply(mylist, `[`))), 
+                                               unlist))))
   user  system elapsed 
  1.067   0.001   1.091

> ## @Martin Morgan's Map() sapply() solution:
> f = function(x) function(i) sapply(x, `[[`, i)
> system.time(replicate(1000, as.data.frame(Map(f(mylist), names(mylist[[1]])))))
   user  system elapsed 
  0.775   0.000   0.778

> ## @Martin Morgan's Map() lapply() unlist() solution:
> f = function(x) function(i) unlist(lapply(x, `[[`, i), use.names=FALSE)
> system.time(replicate(1000, as.data.frame(Map(f(mylist), names(mylist[[1]])))))
   user  system elapsed 
  0.653   0.000   0.658
    回复于
  • 0

    我不能告诉你这在内存或速度方面是“最有效的”，但它在编码方面非常有效：

    my.df <- do.call("rbind", lapply(my.list, data.frame))

    data.frame（）的lapply（）步骤将每个列表项转换为单行数据框，然后使用rbind（）运行良好

    回复于
  • 18

    虽然这个问题早已得到回答，但值得指出 data.table 包有 rbindlist 可以很快完成这项任务：

    library(microbenchmark)
library(data.table)
l <- replicate(1E4, list(a=runif(1), b=runif(1), c=runif(1)), simplify=FALSE)

microbenchmark( times=5,
  R=as.data.frame(Map(f(l), names(l[[1]]))),
  dt=data.frame(rbindlist(l))
)

    给我

    Unit: milliseconds
 expr       min        lq    median        uq       max neval
    R 31.060119 31.403943 32.278537 32.370004 33.932700     5
   dt  2.271059  2.273157  2.600976  2.635001  2.729421     5
    回复于
  • 31

    这个

    f = function(x) function(i) sapply(x, `[[`, i)

    是一个函数，它返回一个提取x的第i个元素的函数 . 所以

    Map(f(mylist), names(mylist[[1]]))

    得到一个名为（谢谢Map！）的矢量列表，可以将其作为数据框

    as.data.frame(Map(f(mylist), names(mylist[[1]])))

    对于速度来说，使用 unlist(lapply(...), use.names=FALSE) 通常会更快

    f = function(x) function(i) unlist(lapply(x, `[[`, i), use.names=FALSE)

    更一般的变体是

    f = function(X, FUN) function(...) sapply(X, FUN, ...)

    什么时候列表列表结构出现了？也许有一个更早的步骤，迭代可以被更多矢量化的东西取代？

    回复于
  • 13

    dplyr包的 bind_rows 效率很高 .

    one <- mtcars[1:4, ]
two <- mtcars[11:14, ]
system.time(dplyr::bind_rows(one, two))
   user  system elapsed 
  0.001   0.000   0.001
    回复于
  • 3

    不确定它们在效率方面的排名，但根据列表的结构，有一些 tidyverse 选项 . 奖励是它们与不等长度列表很好地配合：

    l <- list(a = list(var.1 = 1, var.2 = 2, var.3 = 3)
        , b = list(var.1 = 4, var.2 = 5)
        , c = list(var.1 = 7, var.3 = 9)
        , d = list(var.1 = 10, var.2 = 11, var.3 = NA))

df <- dplyr::bind_rows(l)
df <- purrr::map_df(l, dplyr::bind_rows)
df <- purrr::map_df(l, ~.x)

# all create the same data frame:
# A tibble: 4 x 3
  var.1 var.2 var.3
  <dbl> <dbl> <dbl>
1     1     2     3
2     4     5    NA
3     7    NA     9
4    10    11    NA

    您还可以混合矢量和数据帧：

    library(dplyr)
bind_rows(
  list(a = 1, b = 2),
  data_frame(a = 3:4, b = 5:6),
  c(a = 7)
)

# A tibble: 4 x 2
      a     b
  <dbl> <dbl>
1     1     2
2     3     5
3     4     6
4     7    NA
    回复于

相关问题