基于Tidyverse/Dplyr实现嵌套列表索引值映射到对应列

示例数据构造 #

先模拟你的数据结构，方便复现和测试：

library(tibble)
library(dplyr)
library(tidyr)
library(purrr)

df <- tibble(
  row_id = 1:3,
  nested_pairs = list(
    list(c(1, 10.5), c(3, 30.2)),
    list(c(2, 20.7), c(3, 35.1)),
    list(c(1, 15.3), c(2, 25.9))
  )
)

核心实现步骤 #

这里利用purrr展开嵌套结构，再用tidyr::pivot_wider直接生成目标列，全程无显式循环：

# 1. 展开嵌套列表，提取索引和对应数值
expanded_data <- df %>%
  mutate(
    # 将每行的嵌套对转换为包含index和value的小tibble
    pair_df = map(nested_pairs, ~ tibble(
      index = map_dbl(.x, 1),
      value = map_dbl(.x, 2)
    ))
  ) %>%
  unnest(pair_df)

# 2. 转换为宽表，自动生成col_前缀的列并填充0
final_result <- expanded_data %>%
  pivot_wider(
    id_cols = row_id,
    names_from = index,
    values_from = value,
    names_prefix = "col_",
    values_fill = 0  # 缺失的索引直接填0
  ) %>%
  # 确保保留原表所有行（避免某些行无数据时被过滤）
  right_join(df %>% select(row_id), by = "row_id") %>%
  # 处理可能存在的NA（比如某行完全没有对应索引的情况）
  mutate(across(starts_with("col_"), ~ replace_na(.x, 0))) %>%
  arrange(row_id)

适配已有拆分函数的版本 #

如果你已经写好了拆分单个[索引,数值]对的函数，比如：

# 假设你已有的拆分函数
split_pair <- function(pair) {
  tibble(index = pair[[1]], value = pair[[2]])
}

可以替换步骤1中的代码，让逻辑更贴合你的现有代码：

expanded_data <- df %>%
  mutate(
    pair_df = map(nested_pairs, ~ bind_rows(map(.x, split_pair)))
  ) %>%
  unnest(pair_df)

效果说明 #

最终输出的final_result会包含所有唯一索引对应的col_*列，初始全0，每行嵌套列表中的数值会被填充到对应索引的列中，完全符合你的需求。这个方案依赖Tidyverse的向量化操作，比手动循环效率高很多，尤其适合大数据量场景。

内容的提问来源于stack exchange，提问作者TDeramus