R语言中如何将数据框每行的嵌套列表展开为列？

我从细菌生长条件数据库获取了一个约9万行的R数据框，每行对应一个细菌物种。但每行都存在多层嵌套列表（示例如下），我希望将这些嵌套列表“展开”为数据框的列，尝试过Tidyverse工具但未成功。

示例嵌套结构：

test_data[[1]][["Safety information"]]
  .. .. ..$ DSM-Number    : int 4491
  .. .. ..$ keywords      :List of 4
  .. .. .. ..$ : chr "Bacteria"
  .. .. .. ..$ : chr "16S sequence"
  .. .. .. ..$ : chr "genome sequence"
  .. .. .. ..$ : chr "mesophilic"
  .. .. ..$ description   : chr "Acetobacter lovaniensis DSM 4491 is a mesophilic bacterium that was isolated from soil."
  .. .. ..$ NCBI tax id   :List of 2
  .. .. .. ..$ NCBI tax id   : int 104100
  .. .. .. ..$ Matching level: chr "species"
  .. .. ..$ strain history:List of 2
  .. .. .. ..$ : chr "<- NCIMB <- W. Verhoeven <- J. Frateur"
  .. .. .. ..$ : chr "DSM 4491 <-- NCIMB 8620 <-- W. Verhoeven L 1024 <-- J. Frateur."
  .. .. ..$ doi           : chr "10.13145/bacdive9.20220920.7"
  .. ..$ Name and taxonomic classification                :List of 11
  .. .. ..$ LPSN                :List of 12
  .. .. .. ..$ @ref                : int 20215
  .. .. .. ..$ description         : chr "domain/bacteria"
  .. .. .. ..$ keyword             : chr "phylum/pseudomonadota"
  .. .. .. ..$ domain              : chr "Bacteria"
  .. .. .. ..$ phylum              : chr "Pseudomonadota"
  .. .. .. ..$ class               : chr "Alphaproteobacteria"
  .. .. .. ..$ order               : chr "Rhodospirillales"
  .. .. .. ..$ family              : chr "Acetobacteraceae"
  .. .. .. ..$ genus               : chr "Acetobacter"
  .. .. .. ..$ species             : chr "Acetobacter lovaniensis"
  .. .. .. ..$ full scientific name: chr "<I>Acetobacter</I> <I>lovaniensis</I> (Frateur 1950) Lisdiyanti et al. 2001"
  .. .. .. ..$ synonyms            :List of 2
  .. .. .. .. ..$ :List of 2
  .. .. .. .. .. ..$ @ref   : int 20215
  .. .. .. .. .. ..$ synonym: chr "Acetobacter pasteurianus subsp. lovaniensis"
  .. .. .. .. ..$ :List of 2
  .. .. .. .. .. ..$ @ref   : int 20215
  .. .. .. .. .. ..$ synonym: chr "Acetobacter lovaniense"
  .. .. ..$ @ref                : int 1703
  .. .. ..$ domain              : chr "Bacteria"
  .. .. ..$ phylum              : chr "Proteobacteria"
  .. .. ..$ class               : chr "Alphaproteobacteria"
  .. .. ..$ order               : chr "Rhizobiales"
  .. .. ..$ family              : chr "Acetobacteraceae"
  .. .. ..$ genus               : chr "Acetobacter"
  .. .. ..$ species             : chr "Acetobacter lovaniensis"
  .. .. ..$ full scientific name: chr "Acetobacter lovaniensis (Frateur 1950) Lisdiyanti et al. 2001"
  .. .. ..$ type strain         : chr "yes"
  .. ..$ Morphology                                       : Named list()
  .. ..$ Culture and growth conditions                    :List of 2
  .. .. ..$ culture medium:List of 2
  .. .. .. ..$ :List of 5
  .. .. .. .. ..$ @ref       : int 1703
  .. .. .. .. ..$ name       : chr "YPM MEDIUM (DSMZ Medium 360)"
  .. .. .. .. ..$ growth     : chr "yes"
  .. .. .. .. ..$ link       : chr "https://bacmedia.dsmz.de/medium/360"
  .. .. .. .. ..$ composition: chr "Name: YPM MEDIUM (DSMZ Medium 360)\nComposition:\nMannitol 25.0 g/l\nAgar 12.0 g/l\nYeast extract 5.0 g/l\nPept"| __truncated__
  .. .. .. ..$ :List of 5
  .. .. .. .. ..$ @ref       : int 1703
  .. .. .. .. ..$ name       : chr "GLUCONOBACTER OXYDANS MEDIUM (DSMZ Medium 105)"
  .. .. .. .. ..$ growth     : chr "yes"
  .. .. .. .. ..$ link       : chr "https://bacmedia.dsmz.de/medium/105"
  .. .. .. .. ..$ composition: chr "Name: GLUCONOBACTER OXYDANS MEDIUM (DSMZ Medium 105)\nComposition:\nGlucose 100.0 g/l\nCaCO3 20.0 g/l\nAgar 15."| __truncated__
  .. .. ..$ culture temp  :List of 2
  .. .. .. ..$ :List of 5
  .. .. .. .. ..$ @ref       : int 1703
  .. .. .. .. ..$ growth     : chr "positive"
  .. .. .. .. ..$ type       : chr "growth"
  .. .. .. .. ..$ temperature: chr "28"
  .. .. .. .. ..$ range      : chr "mesophilic"
  .. .. .. ..$ :List of 5
  .. .. .. .. ..$ @ref       : int 67770
  .. .. .. .. ..$ growth     : chr "positive"
  .. .. .. .. ..$ type       : chr "growth"
  .. .. .. .. ..$ temperature: chr "28"
  .. .. .. .. ..$ range      : chr "mesophilic"

解决方案 #

1. 加载必要工具包 #

核心使用Tidyverse系列包处理嵌套结构：

library(tidyverse)

2. 读取数据 #

读取本地存储的测试数据：

test_data <- readRDS("test_data.rds")

3. 分层展开嵌套结构 #

多层嵌套需逐步处理，避免一次性展开导致数据混乱：

步骤1：展开顶层主列表项

先将数据框的顶层列表列展开为独立列，用names_sep避免列名冲突：

df <- test_data %>%
  unnest_wider(cols = everything(), names_sep = "_")

步骤2：处理无命名嵌套列表（如keywords、菌株历史）

这类无命名列表若拆分为多行会大幅增加数据量，建议合并为分隔符分隔的字符串：

df <- df %>%
  mutate(
    Safety_information_keywords = map_chr(Safety_information_keywords, ~paste(.x, collapse = "; ")),
    Safety_information_strain_history = map_chr(Safety_information_strain_history, ~paste(.x, collapse = "; "))
  )

步骤3：展开命名嵌套列表（如NCBI分类ID）

对于有明确命名的嵌套子项，直接用unnest_wider展开为单独列：

df <- df %>%
  unnest_wider(cols = Safety_information_NCBI_tax_id, names_sep = "_")

步骤4：处理分类信息的深层嵌套

分类信息包含LPSN子列表和同义词，先展开LPSN，再合并同义词为字符串：

# 展开分类信息顶层
df <- df %>%
  unnest_wider(cols = Name_and_taxonomic_classification, names_sep = "_")

# 展开LPSN字段
df <- df %>%
  unnest_wider(cols = Name_and_taxonomic_classification_LPSN, names_sep = "_")

# 合并同义词为字符串
df <- df %>%
  mutate(
    Name_and_taxonomic_classification_LPSN_synonyms = map_chr(Name_and_taxonomic_classification_LPSN_synonyms, 
                                                              ~paste(map_chr(.x, "synonym"), collapse = "; "))
  )

步骤5：处理培养条件的嵌套结构

培养条件包含培养基和温度列表，同样合并关键信息为字符串：

# 展开培养条件顶层
df <- df %>%
  unnest_wider(cols = Culture_and_growth_conditions, names_sep = "_")

# 合并培养基名称和温度信息
df <- df %>%
  mutate(
    Culture_and_growth_conditions_culture_medium = map_chr(Culture_and_growth_conditions_culture_medium,
                                                           ~paste(map_chr(.x, "name"), collapse = "; ")),
    Culture_and_growth_conditions_culture_temp = map_chr(Culture_and_growth_conditions_culture_temp,
                                                        ~paste(map_chr(.x, "temperature"), collapse = "; "))
  )

4. 整理最终数据 #

清理列名并移除全空列：

# 替换列名中的特殊字符
df <- df %>%
  rename_with(~gsub("@ref", "ref", .x)) %>%
  rename_with(~gsub("\\.| ", "_", .x))

# 移除全空列
df <- df %>%
  select(where(~!all(is.na(.x))))

关键提示 #

• 若需要保留无命名列表的每个元素为单独行，将map_chr替换为unnest_longer即可，但9万行数据会大幅膨胀，需谨慎操作。
• 处理大样本时，建议先取10-20行测试代码逻辑，确认无误后再批量处理，避免内存溢出。

内容的提问来源于stack exchange，提问作者Patrick Kearns