将列表强制转换为数据框的最有效方法是什么？

Question

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

很简单,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帧,我使用unlist和迭代每个列as.vector,然后重建数据帧:

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,这似乎效率很低.有没有更好的方法来做到这一点？

Answer 1

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

Answer 2

另一种选择是:

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

但是这个简单的操作会导致列表的数据框:

> 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))

[ 编辑:包含@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

Answer 3

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

Answer 4

尽管这个问题早已有了答案,这是值得指出的data.table包有rbindlist其完成这项任务非常迅速:

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

Answer 5

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]]))

得到一个命名(谢谢Map!)矢量列表,可以将其作为数据框

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

对于速度它通常是更快地使用unlist(lapply(...), use.names=FALSE)作为

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？