R语言使用dplyr提取Microsoft365R返回嵌套数据框的指定字段

根因说明 #

你遇到报错的核心原因是：SKA_student中的lastModifiedBy属于嵌套数据框列，控制台打印时显示的lastModifiedBy.user.email是为了方便阅读自动拼接的展示名称，并不是数据框中实际存在的列名，因此直接传入select()会触发列不存在的错误。

基于tidyverse（dplyr生态）的解决方案 #

方案1：使用tidyr::hoist直接提取指定嵌套字段（推荐） #

hoist是tidyverse专门用于提取嵌套列中指定字段的函数，语法清晰，支持直接指定嵌套层级提取目标字段：

library(dplyr)
library(tidyr)

# 单独提取邮箱字段，生成新列名为email
SKA_student %>% 
  hoist(lastModifiedBy, 
        email = c("user", "email"))

如果需要把lastModifiedBy下的所有子字段全部展平为普通列，可以使用unnest_wider：

# 两层嵌套全部展平，之后可以直接用select提取任意子字段
SKA_student %>% 
  unnest_wider(lastModifiedBy) %>% 
  unnest_wider(user)

方案2：仅使用dplyr实现提取 #

如果不想额外加载tidyr包，仅用dplyr的语法也可以实现需求：

SKA_student %>% 
  mutate(lastModifiedBy.user.email = .$lastModifiedBy$user$email) %>% 
  select(lastModifiedBy.user.email)

方案3：仅需获取字段值不需要保留数据框结构 #

如果只需要拿到邮箱的取值，不需要保留在数据框中，可以直接嵌套pull：

SKA_student %>% 
  pull(lastModifiedBy) %>% 
  pull(user) %>% 
  pull(email)

内容的提问来源于stack exchange，提问作者pluke