如何在R语言中按名称提取嵌套列表的终端ID

问题 #

给定如下数据集：

data <- data.frame("group1" = c(rep("a",10),rep("b",10)),"group2" = c(rep(c("a","b"),5),rep(c("c","d"),5)))

数据预览：

group1 group2
1       a      a
2       a      b
3       a      a
4       a      b
5       a      a
6       a      b
7       a      b
8       a      b
9       a      a
10      a      b
11      b      c
12      b      d
13      b      c
14      b      d
15      b      c
16      b      d
17      b      c
18      b      d
19      b      c
20      b      d

通过shinyWidgets包的create_tree函数生成树形列表：

tree <- create_tree(data)

树形列表结构：

str(tree)
# List of 2
#  $ :List of 3
#   ..$ text    : chr "a"
#   ..$ id      : chr "tree7337428"
#   ..$ children:List of 2
#   .. ..$ :List of 2
#   .. .. ..$ text: chr "a"
#   .. .. ..$ id  : chr "tree7904513"
#   .. ..$ :List of 2
#   .. .. ..$ text: chr "b"
#   .. .. ..$ id  : chr "tree7346861"
#  $ :List of 3
#   ..$ text    : chr "b"
#   ..$ id      : chr "tree6379478"
#   ..$ children:List of 2
#   .. ..$ :List of 2
#   .. .. ..$ text: chr "c"
#   .. .. ..$ id  : chr "tree500704"
#   .. ..$ :List of 2
#   .. .. ..$ text: chr "d"
#   .. .. ..$ id  : chr "tree8058601"

需要提取终端节点的id，生成如下结果数据集：

group1 group2     tree_id
1      a      a tree7904513
2      a      b tree7346861
3      b      c  tree500704
4      b      d tree8058601

解决方案 #

方法一：使用purrr包简洁提取 #

利用purrr::map_dfr遍历嵌套树形结构，逐层提取父节点与终端子节点的信息，直接拼接成目标格式：

library(purrr)

result <- map_dfr(tree, function(parent_node) {
  map_dfr(parent_node$children, function(child_node) {
    data.frame(
      group1 = parent_node$text,
      group2 = child_node$text,
      tree_id = child_node$id,
      stringsAsFactors = FALSE
    )
  })
})

# 输出结果
result

方法二：基础R循环实现 #

如果不想依赖第三方包，用基础R的双重循环也能完成提取：

# 初始化空数据框
result <- data.frame(
  group1 = character(), 
  group2 = character(), 
  tree_id = character(), 
  stringsAsFactors = FALSE
)

# 遍历顶层节点
for (i in seq_along(tree)) {
  parent <- tree[[i]]
  # 遍历终端子节点
  for (j in seq_along(parent$children)) {
    child <- parent$children[[j]]
    result <- rbind(result, data.frame(
      group1 = parent$text,
      group2 = child$text,
      tree_id = child$id,
      stringsAsFactors = FALSE
    ))
  }
}

# 输出结果
result

两种方法均可得到目标数据集，purrr写法更简洁，适合处理嵌套结构；基础R循环则更直观，适合不熟悉tidyverse生态的用户。

内容的提问来源于stack exchange，提问作者AyeTown