R中按分组rbind列表列嵌套tibble的惯用实现方法

我有一个tibble对象，其中包含一个存储tibble的列表列，各嵌套tibble的列结构兼容。我希望先按指定列分组后，对组内的嵌套tibble执行rbind行合并操作。以下是简化示例，本次我需要按tpm列分组：

library(tidyverse)

df_ex <- structure(list(
    tpm = c(3, 3, 5, 5),
    strand = c("negative", "positive", "negative", "positive"),
    sites = list(
        structure(list(chr = c("1", "1"), pos = c(30214L, 31109L), 
                       cov = c(7L, 14L), strand = c("-", "-")), 
                  row.names = c(NA, -2L), 
                  class = c("tbl_df", "tbl", "data.frame")), 
        structure(list(chr = c("1", "1"), pos = c(14362L, 14406L), 
                       cov = c(130L, 5490L), strand = c("+", "+")), 
                  row.names = c(NA, -2L), 
                  class = c("tbl_df", "tbl", "data.frame")), 
        structure(list(chr = c("1", "1"), pos = c(96976L, 98430L), 
                       cov = c(185L,3L), strand = c("-", "-")), 
                  row.names = c(NA, -2L), 
                  class = c("tbl_df", "tbl", "data.frame")), 
        structure(list(chr = c("1", "1"), pos = c(14358L, 14406L), 
                       cov = c(24L, 5246L), strand = c("+", "+")), 
                  row.names = c(NA, -2L), 
                  class = c("tbl_df", "tbl", "data.frame")))), 
    row.names = c(NA, -4L), 
    class = c("tbl_df", "tbl", "data.frame"))

df_ex
##  A tibble: 4 × 3
#     tpm strand   sites           
#   <dbl> <chr>    <list>          
# 1     3 negative <tibble [2 × 4]>
# 2     3 positive <tibble [2 × 4]>
# 3     5 negative <tibble [2 × 4]>
# 4     5 positive <tibble [2 × 4]>

失败尝试 #

写法1：使用transmute #

df_ex %>%
  group_by(tpm) %>%
  transmute(sites=do.call(rbind, sites))

运行后抛出错误：

Error in `transmute()`:
! Problem while computing `sites = do.call(rbind, sites)`.
✖ `sites` must be size 2 or 1, not 4.
ℹ The error occurred in group 1: tpm = 3.
Run `rlang::last_error()` to see where the error occurred.

写法2：使用summarize #

df_ex %>% 
    group_by(tpm) %>%
    summarize(sites=do.call(rbind, sites), .groups='drop')

该写法会自动展开嵌套的tibble结构，得到扁平化的8行结果，不符合预期：

# A tibble: 8 × 2
    tpm sites$chr  $pos  $cov $strand
  <dbl> <chr>     <int> <int> <chr>  
1     3 1         30214     7 -      
2     3 1         31109    14 -      
3     3 1         14362   130 +      
4     3 1         14406  5490 +      
5     5 1         96976   185 -      
6     5 1         98430     3 -      
7     5 1         14358    24 +      
8     5 1         14406  5246 + 

预期结果 #

按tpm分组后，sites仍保持列表列格式，每个元素存储对应组行合并后的tibble，效果如下：

##  A tibble: 2 × 2
#     tpm sites           
#   <dbl> <list>          
# 1     3 <tibble [4 × 4]>
# 2     5 <tibble [4 × 4]>

符合tidyverse规范的实现方式是在summarise中，将组内行合并的结果用list()包裹，强制保留列表列结构。推荐使用dplyr::bind_rows替代原生rbind，对tibble的兼容性更好：

df_ex %>%
  group_by(tpm) %>%
  summarise(
    sites = list(bind_rows(sites)),
    .groups = "drop"
  )

运行输出与预期完全一致：

# A tibble: 2 × 2
    tpm sites           
  <dbl> <list>          
1     3 <tibble [4 × 4]>
2     5 <tibble [4 × 4]>

原写法错误原因 #

• transmute报错：transmute要求输出长度与分组输入的行数一致，tpm=3的组内原有2行数据，但do.call(rbind, sites)返回了4行合并结果，长度不匹配触发校验错误。
• summarise返回扁平化结果：当summarise接收到多行数据框作为汇总结果时，会自动将嵌套结构打平为普通列。在外层包裹list()后，相当于每个分组返回1个列表元素，tidyverse就会保留列表列格式，不会自动展开。

如果偏好purrr生态的函数，也可以用purrr::list_rbind实现行合并，效果完全相同：

df_ex %>%
  group_by(tpm) %>%
  summarise(
    sites = list(list_rbind(sites)),
    .groups = "drop"
  )

内容的提问来源于stack exchange，提问作者merv