R语言如何统计嵌套dataframe中各资源项的出现次数

场景说明 #

使用R开展数据处理时，常遇到嵌套式dataframe结构：外层dataframe的内部元素本身也是独立dataframe，属于多维度数据结构，且每个子dataframe包含的条目数量不固定，无法直接用常规计数函数统计。

需求目标 #

统计数据中各资源项的总出现频次，例如Xbox One, NM2、PS4, NM2这类格式的资源条目出现次数。

实现方法 #

方法1：tidyverse方案（代码简洁易读，适合R基础薄弱用户） #

如果未安装tidyverse套件，先运行安装命令：

install.packages("tidyverse")

核心处理代码：

library(tidyverse)

# 替换nested_df为你实际存储嵌套数据的对象名
count_result <- nested_df %>%
  # 展开嵌套的子dataframe，拉平为普通二维表结构
  # 如果只有某一列是存子dataframe的列表列，把everything()替换为对应列名即可
  unnest(cols = everything()) %>%
  # 如果资源项是由两个字段拼接而成（比如平台+版本），替换成你实际的列名
  # 如果资源项本身是单独字段，跳过这步unite逻辑即可
  unite("resource_name", platform_col, version_col, sep = ", ", remove = F) %>%
  # 分组计数，结果按频次从高到低排序
  count(resource_name, name = "freq", sort = T)

运行后count_result就是各资源项的频次统计结果，直接查看即可。

方法2：Base R原生方案（无需安装第三方包） #

不需要依赖外部包，用R自带函数即可完成处理：

# 把所有子dataframe按行合并为一个完整的普通dataframe
flat_data <- do.call(rbind, nested_df)

# 情况1：资源项已经是单独存在的字段，直接计数
count_result <- as.data.frame(table(flat_data$resource_col), stringsAsFactors = F)
colnames(count_result) <- c("resource_name", "freq")

# 情况2：资源项需要由两个字段拼接生成，先运行下面的拼接代码再计数
flat_data$resource_name <- paste(flat_data$platform_col, flat_data$version_col, sep = ", ")
count_result <- as.data.frame(table(flat_data$resource_name), stringsAsFactors = F)
colnames(count_result) <- c("resource_name", "freq")

# 结果按频次降序排列
count_result <- count_result[order(-count_result$freq), ]

注意事项 #

• 代码中带_col后缀的占位符，需要替换为你自己数据里实际的列名再运行
• 如果嵌套层级超过2层，多运行一次unnest（tidyverse方案）或者多做一次rbind合并（base R方案）即可拉平数据

内容的提问来源于stack exchange，提问作者Eric Dodson