从列表元素的成对组合构建数据框

Question

我有一个清单list。此列表的前 5 个元素是：

[[1]]
[1] "#solarpanels" "#solar"      

[[2]]
[1] "#Nuclear" "#Wind"    "#solar"  

[[3]]
[1] "#solar"

[[4]]
[1] "#steel"           "#windenergy"      "#solarenergy"     "#carbonfootprint"

[[5]]
[1] "#solar" "#wind"

我想删除元素，[[3]]因为只包含一个元素。此外，我想为列表的每一行构建一个包含所有可能组合的数据框。例如，具有两列（例如第一个 named A，第二个B）的数据框，例如：

A                  B
"#solarpanels"     "#solar"
"#Nuclear"         "#Wind"  
"#Nuclear"         "#solar"
"#steel"           "#windenergy"
"#steel"           "#solarenergy"
"#steel"           "#carbonfootprint"
"#windenergy"      "#carbonfootprint"
"#windenergy"      "#solarenergy"
"#solarenergy"     "#carbonfootprint"
"#solar"           "#wind"

我尝试过（仅针对一个元素）

for (i in 1:(length(list[[4]])-1)) {
  df$from = rep(list[[4]][i],length(list[[4]])-i)
  df$to = list[[4]][(i+1):length(list[[4]])]
}

在哪里

df=data.frame(A=character(), 
                    B=character(),
                    stringsAsFactors=FALSE) 

但我得到了

data.frame`(`*tmp*`, A, value = c("#steel", "#steel",  : 
 replacement has 3 rows, data has 0

为i=1。

Answer 1

你的数据第一：

l = list(
  c("#solarpanels", "#solar"),
  c("#Nuclear", "#Wind", "#solar"),
  "#solar",
  c("#steel", "#windenergy", "#solarenergy", "#carbonfootprint"),
  c("#solar", "#wind")
)

这是一个两行版本：

l = l[lengths(l) > 1L]
data.frame(do.call(rbind, unlist(lapply(l, combn, 2L, simplify = FALSE), recursive = FALSE)))
#              X1               X2
# 1  #solarpanels           #solar
# 2      #Nuclear            #Wind
# 3      #Nuclear           #solar
# 4         #Wind           #solar
# 5        #steel      #windenergy
# 6        #steel     #solarenergy
# 7        #steel #carbonfootprint
# 8   #windenergy     #solarenergy
# 9   #windenergy #carbonfootprint
# 10 #solarenergy #carbonfootprint
# 11       #solar            #wind

更慢，为了清楚起见：

combn(x, k)返回大小的每一个可能的（无序的）子集k从x; 你所追求的是来自列表中每个元素的对。默认情况下，它以matrix带p = choose(length(x), k)列的形式返回它，但这对您的用例来说不是一种有用的格式；simplify = FALSE将每个子集作为 a 的新元素返回list。

所以lapply(l, combn, 2L, simplify = FALSE)看起来像：

# [[1]]
# [[1]][[1]]
# [1] "#solarpanels" "#solar"      
# 
# 
# [[2]]
# [[2]][[1]]
# [1] "#Nuclear" "#Wind"   
# 
# [[2]][[2]]
# [1] "#Nuclear" "#solar"  

（我们必须过滤lfirst的长度为 1 的元素，因为2从长度为 1 的对象中请求元素是错误的，因此是第一行）

这lapply(.)一点是您问题的症结所在；其余的只是将输出（已经包含所有正确数据）转换为一种data.frame格式。

首先，lapply输出是嵌套的——它list是lists的一个。list长度为 2 的向量更统一；unlist(., recusive=FALSE)通过取消嵌套列表的第一级来实现这一点（使用recursive=TRUE，我们会得到一个很大的长向量并失去配对结构；我们可以使用它，但我认为可能有点不自然）。

接下来，我们将长度为 2 的向量列表转换为矩阵（着眼于最终目标——2 列矩阵很容易转换为 a data.frame）；list- >matrix在完成base与do.call(rbind, .)。

最后我们把它传给data.frame，等等！

在 中data.table，我会在一个命令中稍微清洁一点：

setDT(transpose(
  unlist(lapply(l[lengths(l) > 1L], combn, 2L, simplify = FALSE), recursive = FALSE)
))[]

鉴于您可能不太关心中间输出，这也是一个使用的好地方magrittr：

library(magrittr)
l[lengths(l) > 1L] %>%
  lapply(combn, 2L, simplify = FALSE) %>% 
  unlist(recursive = FALSE) %>%
  do.call(rbind, . ) %>%
  data.frame

它更具可读性，但在这种情况下，很高兴看到这data.frame是预先的最终目标，否则unlist&do.call步骤的意图可能会模糊不清。