如何将上传至R的Excel数据表转为指定格式的data.frame代码？

已知你已通过dataA = data.frame(read_excel("soybean_yield.xlsx", sheet=1))读取数据，除了dput(dataA)，以下是几种生成用c()和rep()构造data.frame()代码的方式：

方法1：自定义Base R函数生成代码 #

这个函数会遍历每一列，针对重复值较多的列自动用rep()，否则用c()输出，最后拼接成完整的data.frame()代码：

generate_df_code <- function(df) {
  col_codes <- lapply(names(df), function(col) {
    vec <- df[[col]]
    # 处理因子类型列
    if (is.factor(vec)) vec <- as.character(vec)
    
    # 基于游程编码判断是否用rep
    rle_result <- rle(vec)
    if (length(rle_result$values) < length(vec)/2) {
      rep_parts <- paste0("rep(c(", paste0(shQuote(rle_result$values), collapse = ", "), "), times = c(", paste(rle_result$lengths, collapse = ", "), "))")
      paste0('"', col, '" = ', rep_parts)
    } else {
      c_parts <- paste0("c(", paste0(shQuote(vec), collapse = ", "), ")")
      paste0('"', col, '" = ', c_parts)
    }
  })
  full_code <- paste0("data.frame(", paste(col_codes, collapse = ",\n          "), ")")
  cat(full_code, "\n")
}

# 调用函数生成代码
generate_df_code(dataA)

方法2：用glue包拼接代码（更简洁） #

借助glue包的字符串拼接能力，针对每列生成对应代码，适合需要手动微调的场景：

library(glue)

generate_df_code_glue <- function(df) {
  col_lines <- character(ncol(df))
  for (i in seq_along(df)) {
    col_name <- names(df)[i]
    col_data <- df[[i]]
    
    if (is.factor(col_data)) col_data <- as.character(col_data)
    
    # 存在连续3次及以上重复值则用rep
    rle_len <- rle(col_data)$lengths
    if (any(rle_len >= 3)) {
      val_str <- paste(shQuote(rle(col_data)$values), collapse = ", ")
      len_str <- paste(rle_len, collapse = ", ")
      col_lines[i] <- glue('"{col_name}" = rep(c({val_str}), times = c({len_str}))')
    } else {
      val_str <- paste(shQuote(col_data), collapse = ", ")
      col_lines[i] <- glue('"{col_name}" = c({val_str})')
    }
  }
  full_code <- glue("data.frame(\n  {paste(col_lines, collapse = ',\n  ')}\n)")
  cat(full_code, "\n")
}

# 调用函数生成代码
generate_df_code_glue(dataA)

方法3：手动构造代码（适合小数据集） #

如果数据集规模不大，且你对数据结构熟悉，可以直接提取列数据，手动用c()或rep()组合：

比如假设dataA包含year和yield两列，其中year是2010-2020重复两次，yield为对应产量值：

dataA_manual <- data.frame(
  year = rep(c(2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020), times = 2),
  yield = c(5200, 5300, 5500, 5400, 5600, 5700, 5800, 5900, 6000, 6100, 6200, 5100, 5250, 5450, 5350, 5550, 5650, 5750, 5850, 5950, 6050, 6150)
)

这种方式能生成最精简的自定义代码，适合需要手动调整的场景。

内容的提问来源于stack exchange，提问作者J.K Kim