R中的"嵌入式"data.frame是什么,它叫什么,为什么它的行为方式呢？

Question

我在R中有以下数据结构:

df <- structure(
  list(
    ID = c(1L, 2L, 3L, 4L, 5L),
    var1 = c('a', 'b', 'c', 'd', 'e'),
    var2 = structure(
      list(
        var2a = c('v', 'w', 'x', 'y', 'z'),
        var2b = c('vv', 'ww', 'xx', 'yy', 'zz')),
      .Names = c('var2a', 'var2b'),
      row.names = c(NA, 5L),
      class = 'data.frame'),
    var3 = c('aa', 'bb', 'cc', 'dd', 'ee')),
  .Names = c('ID', 'var1', 'var2', 'var3'),
  row.names = c(NA, 5L),
  class = 'data.frame')

# Looks like this:
#   ID var1 var2.var2a var2.var2b var3
# 1  1    a          v         vv   aa
# 2  2    b          w         ww   bb
# 3  3    c          x         xx   cc
# 4  4    d          y         yy   dd
# 5  5    e          z         zz   ee

这看起来像一个普通的数据框,它的行为与大多数情况类似; 但看到length和class下面列的属性:

class(df)
# [1] "data.frame"

df[1,]
# ID var1 var2.var2a var2.var2b var3
# 1     a          v         vv   aa

dim(df)
# [1] 5 4
# One less than expected due to embedded data frame

lapply(df, class)
# $ID
# [1] "integer"
# 
# $var1
# [1] "character"
# 
# $var2
# [1] "data.frame"
# 
# $var3
# [1] "character"

lapply(df, length)
# $ID
# [1] 5
#
# $var1
# [1] 5
#
# $var2
# [1] 2
#
# $var3
# [1] 5
# str(df)

# 'data.frame': 5 obs. of  4 variables:
#   $ ID  : int  1 2 3 4 5
# $ var1: chr  "a" "b" "c" "d" ...
# $ var2:'data.frame':  5 obs. of  2 variables:
#   ..$ var2a: chr  "v" "w" "x" "y" ...
# ..$ var2b: chr  "vv" "ww" "xx" "yy" ...
# $ var3: chr  "aa" "bb" "cc" "dd" ...

我的问题:

1)这是什么？

我以前从未见过这个.对于你们中的一些人来说,这是一种常见的格式吗？什么是潜在的用例？

2)这叫什么？

由于缺乏一个更好的词,我称之为"嵌入式".有人建议"嵌套",但我不认为这是正确的,请参见tidyverse tibble下面的单独部分.

3)为什么允许？

我structure原本期望上面的命令失败,因为我虽然data.frames本质上是列表,其中每个元素(列)具有相同数量的元素(行).这条规则似乎违反了在这个例子中,var2有length = 2(列数!).然而,子集df出人意料地以通常的方式成功:

df[3,]
#   ID var1 var2.var2a var2.var2b var3
# 3  3    c          x         xx   cc

这是怎么回事？

---

我不认为我可以称之为"嵌套"结构,该术语用于嵌套data.frames,其外观和行为如下:

library(tidyverse)
df <- data_frame(
  x = c(1L, 2L, 3L),
  nested = list(data_frame(x = c('a', 'b', 'c')), 
                data_frame(x = c('a', 'b', 'c')), 
                data_frame(x = c('d', 'e', 'f'))))
unnest(df)
# # A tibble: 9 × 2
#       x     x
#   <int> <chr>
# 1     1     a
# 2     1     b
# 3     1     c
# 4     2     a
# 5     2     b
# 6     2     c
# 7     3     d
# 8     3     e
# 9     3     f

Answer 1

我认为结构已经很清楚了

str(df)
# 'data.frame':   5 obs. of  4 variables:
#  $ ID  : int  1 2 3 4 5
#  $ var1: chr  "a" "b" "c" "d" ...
#  $ var2:'data.frame':   5 obs. of  2 variables:
#   ..$ var2a: chr  "v" "w" "x" "y" ...
#   ..$ var2b: chr  "vv" "ww" "xx" "yy" ...
#  $ var3: chr  "aa" "bb" "cc" "dd" ...

它是一个 data.frame，其中有一列 ( var2)，其中包含一个 data.frame。这并不是很容易创建，所以我不太确定你是如何做到的，但从技术上讲，它在 R 中并不“非法”。

data.frames 可以包含矩阵和其他 data.frames。因此，它不仅查看元素的数量length()，还查看dim()元素的数量以查看其是否具有正确的“行”数。

我经常使用“修复”或扩展这些 data.frames

fixed <- do.call("data.frame", df)