将列表转换为数据框

我有一个嵌套的数据列表。它的长度是132，每个项目都是一个长度为20的列表。是否有一种快速的方法将该结构转换为具有132行和20列数据的数据帧？

以下是一些示例数据：

l <- replicate(
  132,
  list(sample(letters, 20)),
  simplify = FALSE
)

假设您的列表列表称为l：

df <- data.frame(matrix(unlist(l), nrow=length(l), byrow=T))

上面的代码将所有字符列转换为因子，为避免这种情况，您可以向data.frame（）调用添加参数：

df <- data.frame(matrix(unlist(l), nrow=132, byrow=T),stringsAsFactors=FALSE)

用 rbind

do.call(rbind.data.frame, your_list)

编辑：返回的data.frame是list的旧版本，而不是矢量（如@IanSudbery在注释中指出的）。

您可以使用该plyr包。例如，表单的嵌套列表

l <- list(a = list(var.1 = 1, var.2 = 2, var.3 = 3)
      , b = list(var.1 = 4, var.2 = 5, var.3 = 6)
      , c = list(var.1 = 7, var.2 = 8, var.3 = 9)
      , d = list(var.1 = 10, var.2 = 11, var.3 = 12)
      )

现在的长度为4，并且每个列表中都l包含另一个长度为3的列表。现在您可以运行

  library (plyr)
  df <- ldply (l, data.frame)

并应获得与答案@Marek和@nico相同的结果。

data.frame(t(sapply(mylistlist,c)))

sapply将其转换为矩阵。 data.frame将矩阵转换为数据帧。

假设您的列表名为L，

data.frame(Reduce(rbind, L))

该软件包data.table具有的rbindlist超快实现功能do.call(rbind, list(...))。

它可以采取的一个列表 lists，data.frames或data.tables 作为输入。

library(data.table)
ll <- list(a = list(var.1 = 1, var.2 = 2, var.3 = 3)
  , b = list(var.1 = 4, var.2 = 5, var.3 = 6)
  , c = list(var.1 = 7, var.2 = 8, var.3 = 9)
  , d = list(var.1 = 10, var.2 = 11, var.3 = 12)
  )

DT <- rbindlist(ll)

这会传回的data.table继承data.frame。

如果您真的想转换回data.frame，请使用as.data.frame(DT)

所述tibble封装具有一个功能enframe()，解决了此问题，通过强迫嵌套list对象嵌套tibble（“整洁”的数据帧）的对象。这是R for Data Science的一个简短示例：

x <- list(
    a = 1:5,
    b = 3:4, 
    c = 5:6
) 

df <- enframe(x)
df
#> # A tibble: 3 × 2
#>    name     value
#>   <chr>    <list>
#>    1     a <int [5]>
#>    2     b <int [2]>
#>    3     c <int [2]>

由于列表中有多个嵌套l，因此您可以使用unlist(recursive = FALSE)删除不必要的嵌套，以获取单个层次结构列表，然后传递给enframe()。我tidyr::unnest()通常将输出取消嵌套到单个级别的“整洁”数据框中，该数据框有您的两列（一列用于组name，一列用于与组的观察value）。如果要使列变宽，则可以使用add_column()该列来添加，只需将值的顺序重复132次即可。然后就是spread()值。

library(tidyverse)

l <- replicate(
    132,
    list(sample(letters, 20)),
    simplify = FALSE
)

l_tib <- l %>% 
    unlist(recursive = FALSE) %>% 
    enframe() %>% 
    unnest()
l_tib
#> # A tibble: 2,640 x 2
#>     name value
#>    <int> <chr>
#> 1      1     d
#> 2      1     z
#> 3      1     l
#> 4      1     b
#> 5      1     i
#> 6      1     j
#> 7      1     g
#> 8      1     w
#> 9      1     r
#> 10     1     p
#> # ... with 2,630 more rows

l_tib_spread <- l_tib %>%
    add_column(index = rep(1:20, 132)) %>%
    spread(key = index, value = value)
l_tib_spread
#> # A tibble: 132 x 21
#>     name   `1`   `2`   `3`   `4`   `5`   `6`   `7`   `8`   `9`  `10`  `11`
#> *  <int> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1      1     d     z     l     b     i     j     g     w     r     p     y
#> 2      2     w     s     h     r     i     k     d     u     a     f     j
#> 3      3     r     v     q     s     m     u     j     p     f     a     i
#> 4      4     o     y     x     n     p     i     f     m     h     l     t
#> 5      5     p     w     v     d     k     a     l     r     j     q     n
#> 6      6     i     k     w     o     c     n     m     b     v     e     q
#> 7      7     c     d     m     i     u     o     e     z     v     g     p
#> 8      8     f     s     e     o     p     n     k     x     c     z     h
#> 9      9     d     g     o     h     x     i     c     y     t     f     j
#> 10    10     y     r     f     k     d     o     b     u     i     x     s
#> # ... with 122 more rows, and 9 more variables: `12` <chr>, `13` <chr>,
#> #   `14` <chr>, `15` <chr>, `16` <chr>, `17` <chr>, `18` <chr>,
#> #   `19` <chr>, `20` <chr>

根据列表的结构，有些tidyverse选项可以很好地用于不等长列表：

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

Reshape2产生的输出与上面的plyr示例相同：

library(reshape2)
l <- list(a = list(var.1 = 1, var.2 = 2, var.3 = 3)
          , b = list(var.1 = 4, var.2 = 5, var.3 = 6)
          , c = list(var.1 = 7, var.2 = 8, var.3 = 9)
          , d = list(var.1 = 10, var.2 = 11, var.3 = 12)
)
l <- melt(l)
dcast(l, L1 ~ L2)

产量：

  L1 var.1 var.2 var.3
1  a     1     2     3
2  b     4     5     6
3  c     7     8     9
4  d    10    11    12

如果您几乎没有像素，则可以用 recast（）在1行中完成所有操作。

此方法使用tidyverse包（purrr）。

名单：

x <- as.list(mtcars)

将其转换为数据帧（tibble更具体地说）：

library(purrr)
map_df(x, ~.x)

扩展@Marek的答案：如果您想避免字符串变成因素并且效率不是问题，请尝试

do.call(rbind, lapply(your_list, data.frame, stringsAsFactors=FALSE))

对于具有3个或更多级别的深度嵌套列表的一般情况，例如从嵌套JSON获得的列表：

{
"2015": {
  "spain": {"population": 43, "GNP": 9},
  "sweden": {"population": 7, "GNP": 6}},
"2016": {
  "spain": {"population": 45, "GNP": 10},
  "sweden": {"population": 9, "GNP": 8}}
}

首先考虑melt()将嵌套列表转换为高格式的方法：

myjson <- jsonlite:fromJSON(file("test.json"))
tall <- reshape2::melt(myjson)[, c("L1", "L2", "L3", "value")]
    L1     L2         L3 value
1 2015  spain population    43
2 2015  spain        GNP     9
3 2015 sweden population     7
4 2015 sweden        GNP     6
5 2016  spain population    45
6 2016  spain        GNP    10
7 2016 sweden population     9
8 2016 sweden        GNP     8

然后dcast()再扩大到一个整洁的数据集，其中每个变量形成一个列，每个观察值形成一个行：

wide <- reshape2::dcast(tall, L1+L2~L3) 
# left side of the formula defines the rows/observations and the 
# right side defines the variables/measurements
    L1     L2 GNP population
1 2015  spain   9         43
2 2015 sweden   6          7
3 2016  spain  10         45
4 2016 sweden   8          9

更多答案以及答案的时间安排： 将列表转换为数据帧的最有效方法是什么？

最快的方法是不产生具有列表的数据框，而不是产生列的矢量的数据框是（根据Martin Morgan的回答）：

l <- list(list(col1="a",col2=1),list(col1="b",col2=2))
f = function(x) function(i) unlist(lapply(x, `[[`, i), use.names=FALSE)
as.data.frame(Map(f(l), names(l[[1]])))

有时，您的数据可能是相同长度的向量列表的列表。

lolov = list(list(c(1,2,3),c(4,5,6)), list(c(7,8,9),c(10,11,12),c(13,14,15)) )

（内部向量也可以是列表，但是我正在简化以使其更易于阅读）。

然后，您可以进行以下修改。请记住，您可以一次取消列出一个级别：

lov = unlist(lolov, recursive = FALSE )
> lov
[[1]]
[1] 1 2 3

[[2]]
[1] 4 5 6

[[3]]
[1] 7 8 9

[[4]]
[1] 10 11 12

[[5]]
[1] 13 14 15

现在，使用其他答案中提到的您喜欢的方法：

library(plyr)
>ldply(lov)
  V1 V2 V3
1  1  2  3
2  4  5  6
3  7  8  9
4 10 11 12
5 13 14 15

这终于对我有用：

do.call("rbind", lapply(S1, as.data.frame))

l <- replicate(10,list(sample(letters, 20)))
a <-lapply(l[1:10],data.frame)
do.call("cbind", a)

对于使用purrr一系列解决方案的并行（多核，多会话等）解决方案，请使用：

library (furrr)
plan(multisession) # see below to see which other plan() is the more efficient
myTibble <- future_map_dfc(l, ~.x)

l清单在哪里。

要确定最有效的基准，plan()可以使用：

library(tictoc)
plan(sequential) # reference time
# plan(multisession) # benchamark plan() goes here. See ?plan().
tic()
myTibble <- future_map_dfc(l, ~.x)
toc()

以下简单命令对我有用：

myDf <- as.data.frame(myList)

参考（Quora回答）

> myList <- list(a = c(1, 2, 3), b = c(4, 5, 6))
> myList
$a
[1] 1 2 3

$b
[1] 4 5 6

> myDf <- as.data.frame(myList)
  a b
1 1 4
2 2 5
3 3 6
> class(myDf)
[1] "data.frame"

但是，如果将列表转换为数据框的方式不明显，则将失败：

> myList <- list(a = c(1, 2, 3), b = c(4, 5, 6, 7))
> myDf <- as.data.frame(myList)
Error in (function (..., row.names = NULL, check.rows = FALSE, check.names = TRUE,  : 
  arguments imply differing number of rows: 3, 4

注意：答案是针对问题的标题，可能会跳过问题的一些详细信息

一种简单（但可能不是最快）的方法是使用base r，因为数据帧只是等长向量的列表。因此，您的输入列表和30 x 132 data.frame之间的转换将是：

df <- data.frame(l)

从那里，我们可以将其转置为132 x 30矩阵，并将其转换回数据帧：

new_df <- data.frame(t(df))

作为单线：

new_df <- data.frame(t(data.frame(l)))

行名看起来很烦人，但是您总是可以使用

rownames(new_df) <- 1:nrow(new_df)

如何将map_函数与for循环一起使用？这是我的解决方案：

list_to_df <- function(list_to_convert) {
  tmp_data_frame <- data.frame()
  for (i in 1:length(list_to_convert)) {
    tmp <- map_dfr(list_to_convert[[i]], data.frame)
    tmp_data_frame <- rbind(tmp_data_frame, tmp)
  }
  print(tmp_data_frame)
}

其中，map_dfr将每个列表元素的成data.frame，然后rbind工会通通。

就您而言，我想应该是：

converted_list <- list_to_df(l)