我有一个列表，每个元素都是一个字符向量，长度不同我想将数据绑定为行，以便列名“对齐”，如果有额外数据则创建列，如果缺少数据然后创建 NA
下面是我正在使用的数据的模拟示例
x <- list()
x[[1]] <- letters[seq(2,20,by=2)]
names(x[[1]]) <- LETTERS[c(1:length(x[[1]]))]
x[[2]] <- letters[seq(3,20, by=3)]
names(x[[2]]) <- LETTERS[seq(3,20, by=3)]
x[[3]] <- letters[seq(4,20, by=4)]
names(x[[3]]) <- LETTERS[seq(4,20, by=4)]
如果我确定每个元素的格式相同，则下面的行通常是我会做的......
do.call(rbind,x)
我希望有人想出了一个很好的小解决方案，可以匹配列名并用NAs 填充空白，同时在绑定过程中找到新列时添加新列......
rbind.fill是一个很棒的功能，在 data.frames 列表上做得很好。但是恕我直言，对于这种情况，当列表仅包含（命名的）向量时，它可以做得更快。
rbind.fill方式_require(plyr)
rbind.fill(lapply(x,function(y){as.data.frame(t(y),stringsAsFactors=FALSE)}))
rbind.named.fill <- function(x) {
nam <- sapply(x, names)
unam <- unique(unlist(nam))
len <- sapply(x, length)
out <- vector("list", length(len))
for (i in seq_along(len)) {
out[[i]] <- unname(x[[i]])[match(unam, nam[[i]])]
}
setNames(as.data.frame(do.call(rbind, out), stringsAsFactors=FALSE), unam)
}
基本上，我们得到总的唯一名称来形成最终 data.frame 的列。然后，我们创建一个长度 = 输入的列表，并用 . 填充其余的值NA。这可能是“最棘手”的部分，因为我们必须在填写 NA 时匹配名称。然后，我们最终为列设置名称一次（如果需要，也可以使用setnamesfrom package引用设置）。data.table
现在进行一些基准测试：
# generate some huge random data:
set.seed(45)
sample.fun <- function() {
nam <- sample(LETTERS, sample(5:15))
val <- sample(letters, length(nam))
setNames(val, nam)
}
ll <- replicate(1e4, sample.fun())
# plyr's rbind.fill version:
rbind.fill.plyr <- function(x) {
rbind.fill(lapply(x,function(y){as.data.frame(t(y),stringsAsFactors=FALSE)}))
}
rbind.named.fill <- function(x) {
nam <- sapply(x, names)
unam <- unique(unlist(nam))
len <- sapply(x, length)
out <- vector("list", length(len))
for (i in seq_along(len)) {
out[[i]] <- unname(x[[i]])[match(unam, nam[[i]])]
}
setNames(as.data.frame(do.call(rbind, out), stringsAsFactors=FALSE), unam)
}
foo <- function (...)
{
dargs <- list(...)
all.names <- unique(names(unlist(dargs)))
out <- do.call(rbind, lapply(dargs, `[`, all.names))
colnames(out) <- all.names
as.data.frame(out, stringsAsFactors=FALSE)
}
require(microbenchmark)
microbenchmark(t1 <- rbind.named.fill(ll),
t2 <- rbind.fill.plyr(ll),
t3 <- do.call(foo, ll), times=10)
identical(t1, t2) # TRUE
identical(t1, t3) # TRUE
Unit: milliseconds
expr min lq median uq max neval
t1 <- rbind.named.fill(ll) 243.0754 258.4653 307.2575 359.4332 385.6287 10
t2 <- rbind.fill.plyr(ll) 16808.3334 17139.3068 17648.1882 17890.9384 18220.2534 10
t3 <- do.call(foo, ll) 188.5139 204.2514 229.0074 339.6309 359.4995 10
如果你希望结果是一个矩阵......
我最近为一位想将向量绑定到矩阵中的同事编写了这个函数。
foo <- function (...)
{
dargs <- list(...)
if (!all(vapply(dargs, is.vector, TRUE)))
stop("all inputs must be vectors")
if (!all(vapply(dargs, function(x) !is.null(names(x)), TRUE)))
stop("all input vectors must be named.")
all.names <- unique(names(unlist(dargs)))
out <- do.call(rbind, lapply(dargs, `[`, all.names))
colnames(out) <- all.names
out
}
R > do.call(foo, x)
A B C D E F G H I J L O R P T
[1,] "b" "d" "f" "h" "j" "l" "n" "p" "r" "t" NA NA NA NA NA
[2,] NA NA "c" NA NA "f" NA NA "i" NA "l" "o" "r" NA NA
[3,] NA NA NA "d" NA NA NA "h" NA NA "l" NA NA "p" "t"
这是一个使用包的版本data.table，对于非常大的数据来说要快一点。它使用函数rbindlist及其fill=TRUE传递给函数的参数do.call。
library(data.table)
x <- list()
x[[1]] <- letters[seq(2,20,by=2)]
names(x[[1]]) <- LETTERS[c(1:length(x[[1]]))]
x[[2]] <- letters[seq(3,20, by=3)]
names(x[[2]]) <- LETTERS[seq(3,20, by=3)]
x[[3]] <- letters[seq(4,20, by=4)]
names(x[[3]]) <- LETTERS[seq(4,20, by=4)]
x2 <- lapply(x, as.list)
rbindlist(x2, fill=TRUE)
#> A B C D E F G H I J L O R P T
#> 1: b d f h j l n p r t <NA> <NA> <NA> <NA> <NA>
#> 2: <NA> <NA> c <NA> <NA> f <NA> <NA> i <NA> l o r <NA> <NA>
#> 3: <NA> <NA> <NA> d <NA> <NA> <NA> h <NA> <NA> l <NA> <NA> p t
它增加了一点开销，因为它需要将字符向量转换为as.list. 这段话还可以增加流程的时间，具体取决于数据的生成方式。
另一方面，它似乎在大型数据集上执行得更快。
它返回一个data.table.
我重写了@Arun 和@GSee 的示例以生成更大的样本。
# generate some huge random data:
set.seed(45)
sample.fun <- function() {
nam <- sample(LETTERS, sample(5:15))
val <- sample(letters, length(nam))
setNames(val, nam)
}
l1 <- replicate(1e6, sample.fun()) # Arun's data, just bigger
l2 <- lapply(l1, as.list) # same data converted with as.list
library(microbenchmark)
library(data.table)
# Arun's function
rbind.named.fill <- function(x) {
nam <- sapply(x, names)
unam <- unique(unlist(nam))
len <- sapply(x, length)
out <- vector("list", length(len))
for (i in seq_along(len)) {
out[[i]] <- unname(x[[i]])[match(unam, nam[[i]])]
}
setNames(as.data.frame(do.call(rbind, out), stringsAsFactors=FALSE), unam)
}
# GSee's function
foo <- function (...)
{
dargs <- list(...)
all.names <- unique(names(unlist(dargs)))
out <- do.call(rbind, lapply(dargs, `[`, all.names))
colnames(out) <- all.names
as.data.frame(out, stringsAsFactors=FALSE)
}
microbenchmark(t1 <- rbind.named.fill(l1),
t2 <- rbindlist(l2, fill=TRUE),
t3 <- do.call(foo, l1),
times=10)
#> Unit: seconds
#> expr min lq mean median uq max neval
#> t1 <- rbind.named.fill(l1) 6.536782 7.545538 9.118771 9.304844 10.505814 11.28260 10
#> t2 <- rbindlist(l2, fill=TRUE) 5.250387 5.787712 6.910340 6.226065 7.579503 10.40524 10
#> t3 <- do.call(foo, l1) 9.590615 11.043557 13.504694 12.550535 15.364464 19.95877 10
identical(t1, data.frame(t2))
#> [1] TRUE
identical(t3, data.frame(t2))
#> [1] TRUE
由reprex 包（v0.3.0）于 2019 年 8 月 1 日创建
将名称向量转换为单个数据框后，您可以使用dplyr::bind_rows
dplyr::bind_rows(lapply(x,function(y) as.data.frame(t(y),stringsAsFactors=FALSE)))
# A B C D E F G H I J L O R P T
#1 b d f h j l n p r t <NA> <NA> <NA> <NA> <NA>
#2 <NA> <NA> c <NA> <NA> f <NA> <NA> i <NA> l o r <NA> <NA>
#3 <NA> <NA> <NA> d <NA> <NA> <NA> h <NA> <NA> l <NA> <NA> p t
在这种情况下，我们也可以使用purrr::map_df/purrr::map_dfr
purrr::map_df(x, ~as.data.frame(t(.x),stringsAsFactors = FALSE))
这将给出与上面相同的输出。