R:将列表转换为data.frame

试试这个:

ll <- unlist(lapply(mylist, function(x) if(is.data.frame(x)) list(x) else x), recursive = FALSE)
do.call(rbind, ll)
  Gender ID Class Score1 Score2 Score3 Score4    Score5    Score6
1 Female  1     A  21.60  39.61   8.85  13.66  2.650000  6.947368
2 Female  2     A  25.58  55.01   1.66   3.60 15.272727 15.583333
3   Male  2     A  18.31  36.28   2.13   4.24  8.571429  8.454545
4 Female  3     A  27.16  58.39   1.66   3.60 16.272727 16.583333
5   Male  3     A  14.67  29.07   2.13   4.24  6.857143  6.818182

你只需要几个 tidyverse 功能。 purrr::reduce 允许在列表或向量上应用函数,以及 dplyr::bind_rows 就像一个扩展的,更聪明的 rbind .

注意,就像我在评论中所说的,你会得到关于你将字符向量与因子向量绑定的警告,但是这只是一个 警告 不是一个 错误 .

purrr::reduce(mylist, dplyr::bind_rows)

#> Warning in bind_rows_(x, .id): binding character and factor vector,
#> coercing into character vector

...

#>   Gender ID Class Score1 Score2 Score3 Score4    Score5    Score6
#> 1 Female  1     A  21.60  39.61   8.85  13.66  2.650000  6.947368
#> 2 Female  2     A  25.58  55.01   1.66   3.60 15.272727 15.583333
#> 3   Male  2     A  18.31  36.28   2.13   4.24  8.571429  8.454545
#> 4 Female  3     A  27.16  58.39   1.66   3.60 16.272727 16.583333
#> 5   Male  3     A  14.67  29.07   2.13   4.24  6.857143  6.818182

我建议 unlist 调用的函数 unlist_unless 它的工作原理是 未列出的 区别如下:

• 它有一个 predicate 用于保持某些子元素未触及的参数(如果 purrr 已安装)
• ... 将参数传递给 谓语
• keep_null 用于保留(默认)或删除 NULL 元素

喜欢 未列出的 它具有参数 recursive 和 use.names 具有相同的默认值。参数设置为 TRUE 默认情况下,它还具有 保持零位 我设置的参数 真的 默认情况下。

unlist_unless <- function(x, predicate = function(x) FALSE, ..., recursive = TRUE,  use.names = TRUE, keep_null = TRUE){
  if(inherits(predicate, "formula")) {
    if (requireNamespace("purrr")) predicate <- purrr::as_mapper(predicate) else
      stop("Package `purrr` needs to be installed to use formula notation")
  }

  unlist(lapply(x, function(y){
    if(predicate(y, ...) || (keep_null && is.null(y)))
      list(y)
    else if (is.list(y) && recursive)
      unlist_unless(y, predicate = predicate, ..., keep_null=keep_null, use.names = use.names)
    else y}),
    recursive = FALSE,
    use.names = use.names)
}

示例1:最简单

df <- head(iris)[1:3]
dfs<- list(df[1,],
             NULL,
             list(df[2,],
                  df[3,],
                  list(df[4,]),
                  NULL))

unlist_unless(dfs, is.data.frame)
# [[1]]
# Sepal.Length Sepal.Width Petal.Length
# 1          5.1         3.5          1.4
# 
# [[2]]
# NULL
# 
# [[3]]
# Sepal.Length Sepal.Width Petal.Length
# 2          4.9           3          1.4
# 
# [[4]]
# Sepal.Length Sepal.Width Petal.Length
# 3          4.7         3.2          1.3
# 
# [[5]]
# Sepal.Length Sepal.Width Petal.Length
# 4          4.6         3.1          1.5
# 
# [[6]]
# NULL

示例2:keep_null=false

unlist_unless(dfs, is.data.frame, keep_null = FALSE)
# [[1]]
# Sepal.Length Sepal.Width Petal.Length
# 1          5.1         3.5          1.4
# 
# [[2]]
# Sepal.Length Sepal.Width Petal.Length
# 2          4.9           3          1.4
# 
# [[3]]
# Sepal.Length Sepal.Width Petal.Length
# 3          4.7         3.2          1.3
# 
# [[4]]
# Sepal.Length Sepal.Width Petal.Length
# 4          4.6         3.1          1.5

unlist_unless(dfs, is.data.frame, recursive = FALSE)
# [[1]]
# Sepal.Length Sepal.Width Petal.Length
# 1          5.1         3.5          1.4
# 
# [[2]]
# NULL
# 
# [[3]]
# Sepal.Length Sepal.Width Petal.Length
# 2          4.9           3          1.4
# 
# [[4]]
# Sepal.Length Sepal.Width Petal.Length
# 3          4.7         3.2          1.3
# 
# [[5]]
# [[5]][[1]]
# Sepal.Length Sepal.Width Petal.Length
# 4          4.6         3.1          1.5
# 
# 
# [[6]]
# NULL

那么直接打电话 bind_rows(dfs_new) 或 do.call(rbind, dfs_new) 关于结果。

do.call(rbind,unlist_unless(dfs, is.data.frame))

# Sepal.Length Sepal.Width Petal.Length
# 1          5.1         3.5          1.4
# 2          4.9         3.0          1.4
# 3          4.7         3.2          1.3
# 4          4.6         3.1          1.5


# or
library(dplyr)
unlist_unless(dfs, is.data.frame) %>% bind_rows
#   Sepal.Length Sepal.Width Petal.Length
# 1          5.1         3.5          1.4
# 2          4.9         3.0          1.4
# 3          4.7         3.2          1.3
# 4          4.6         3.1          1.5