如何将嵌套列表键转为DataFrame列并拆分两队玩家数据

问题场景 #

从JSON文件读取得到raw_data DataFrame，其中大部分列可通过unnest顺利展开为非列表列，但teams列是特殊的嵌套列表结构——每个元素包含玩家1和玩家2的字典数据（含profile_id、result等键）。直接用unnest会丢失其中一方的玩家数据，需要将两个玩家的对应键拆分为独立列（如profile_id_p1、profile_id_p2），且最终所有列均为非列表格式。

原方案通过循环+append提取玩家数据，效率较低，以下是更高效的优化方案：

方案1：基于tidyverse的函数式实现（简洁易读） #

利用purrr的向量化映射函数替代显式循环，结合dplyr和tidyr完成数据合并：

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

# 处理teams列：拆分每个元素的p1/p2数据，重命名键后合并为DataFrame
processed_teams <- raw_data$teams %>%
  map_dfr(function(player_pair) {
    # 提取玩家1数据并添加_p1后缀
    p1_data <- player_pair[[1]] %>% set_names(paste0(names(.), "_p1"))
    # 提取玩家2数据并添加_p2后缀
    p2_data <- player_pair[[2]] %>% set_names(paste0(names(.), "_p2"))
    # 合并单条记录的p1/p2数据
    c(p1_data, p2_data)
  })

# 合并到原数据：先展开其他列表列，再绑定处理后的teams数据
final_df <- raw_data %>%
  select(-teams) %>%  # 移除原teams列
  unnest(cols = everything()) %>%  # 展开其他列表列
  bind_cols(processed_teams)

方案2：基于data.table的高效实现（大数据量首选） #

延续原方案中rbindlist的思路，用lapply替代循环+append，减少内存重复分配：

library(data.table)
library(tidyr)

# 用lapply批量提取每个teams元素的p1/p2数据（避免循环append的内存开销）
p1_dic <- lapply(raw_data$teams, `[[`, 1)
p2_dic <- lapply(raw_data$teams, `[[`, 2)

# 转为data.table并添加列后缀
p1_df <- rbindlist(p1_dic) %>% setnames(paste0(names(.), "_p1"))
p2_df <- rbindlist(p2_dic) %>% setnames(paste0(names(.), "_p2"))

# 合并原数据
final_df <- raw_data %>%
  select(-teams) %>%
  unnest(cols = everything()) %>%
  bind_cols(p1_df, p2_df)

优化说明 #

1. 避免低效循环：原方案的for循环+append会反复修改向量并重新分配内存，而lapply/map_dfr是向量化操作，内存分配更高效，处理大数据量时速度提升明显。
2. 直接映射处理：通过单次映射完成玩家数据的提取、重命名与合并，代码更简洁，可读性更强。

内容的提问来源于stack exchange，提问作者Rayby