r - 从列表元素的成对组合构建数据框

Question

我有一个列表 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"

我想删除像 [[3]] 这样的元素，因为它只包含一个元素。此外，我想构建一个数据框，其中包含列表每一行的所有可能组合。例如，具有两列的数据框(例如，第一列命名为 A，第二列命名为 B)，例如:

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

我试过(只针对一个元素)

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) 

但是我得到了

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

对于 i=1。

Answer 1

首先是您的数据:

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

为了清晰起见，更慢一些:

combn(x, k) 从 x 返回大小为 k 的所有可能(无序)子集；您所追求的是列表中每个元素的对。默认情况下，它以 matrix 的形式返回 p = choose(length(x), k) 列，但这对您的用例来说不是有用的格式； simplify = FALSE 将每个子集作为 list 的新元素返回。

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

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

(我们必须首先过滤 l 的长度为 1 的元素，因为从长度为 1 的对象中请求 2 元素是错误的，因此第一个线)

lapply(.) 位是问题的症结所在；剩下的只是将输出(已经具有所有正确的数据)拼凑成 data.frame 格式。

首先，lapply 输出是嵌套的——它是 list 的 list。有一个长度为 2 的向量的 list 更统一； unlist(., recusive=FALSE) 通过取消第一级列表的嵌套来实现这一点(使用 recursive=TRUE，我们将得到一个大的长向量并且失去配对结构；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 data.frame) ; list-matrix 在 base 中用 do.call(rbind, .) 完成。

最后我们将它传递给 data.frame，瞧瞧!

在 data.table 中，我会在一个命令中稍微更干净地完成它:

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，这也是使用 magrittr 的好地方:

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 data.frame 是预先的最终目标，因为 unlist 的意图& do.call 步骤可能不那么晦涩。