将单篇文献研究领域列表转换为同前缀对应同行的DataFrame

实现思路 #

• 将嵌套列表转换为普通DataFrame，简化后续处理流程
• 从name字段中提取开头的数字编码，区分两位编码（对应division列）和四位编码（对应group列）
• 以编码的前两位为匹配依据，将两类数据合并到同一行，并保留原始条目顺序

代码实现 #

首先定义原始列表：

my_list <- list(
  list(id = "80067", name = "3403 Macromolecular and Materials Chemistry"),
  list(id = "80011", name = "40 Engineering"),
  list(id = "80005", name = "34 Chemical Sciences")
)

执行以下处理步骤：

# 1. 转换嵌套列表为DataFrame，并记录原始顺序
df <- do.call(rbind.data.frame, my_list)
df$original_order <- seq(nrow(df))

# 2. 提取名称开头的数字编码，并判断编码长度
df$code_prefix <- substr(df$name, 1, regexpr(" ", df$name) - 1)
df$code_length <- nchar(df$code_prefix)

# 3. 拆分出division（两位编码）和group（四位编码）数据
division_df <- df[df$code_length == 2, c("name", "code_prefix", "original_order")]
colnames(division_df) <- c("division", "division_code", "original_order")

group_df <- df[df$code_length == 4, c("name", "code_prefix")]
group_df$division_code <- substr(group_df$code_prefix, 1, 2)
colnames(group_df) <- c("group", "group_code", "division_code")

# 4. 合并数据并恢复原始顺序
result <- merge(division_df, group_df[, c("group", "division_code")], 
                by = "division_code", all.x = TRUE)
result <- result[order(result$original_order), c("division", "group")]

最终结果 #

运行代码后得到的result与期望输出完全一致：

> result
             division                                        group
2        40 Engineering                                       <NA>
1 34 Chemical Sciences 3403 Macromolecular and Materials Chemistry

内容的提问来源于stack exchange，提问作者pgitti