长格式父子数据帧到具有完整层次结构的宽格式

如何解决长格式父子数据帧到具有完整层次结构的宽格式

我有以下长格式数据框，其中两列包含嵌套的父子层次结构：

parent,child,child_level
d,sf,x
d,st,s0,x
sf,gr4,l
sf,gr3,l
st,Grd,gr9,l
s0,n7,b12,l
Grd,nyvc,b
gr3,trub2,b
b12,ngb2,ggb8,b
nyvc,xtr2d,i
trub2,xtuD,i
gr4,stab3,i
gr9,ubc8,i
n7,ubc2,i
ggb8,drik2,i

我的目标是将父列和子列取消嵌套为宽格式。列名应对应于 child_level 列中的相应级别：

,x,l,b,i
d,NA,stab3
d,xtuD
d,xtr2d
d,ubc8
d,ubc2
d,NA
d,drik2

没有表示顺序或级别排名的附加信息，仅从子列和父列中出现。此外，并非输出表的所有行都包含所有层次结构级别 - 这些应填充为 NA。

EDIT1（为了澄清）： R 或 Python 解决方案可以工作，所以我提供了一个通用输入表（例如作为 csv 读取）。此外，下表是手工制作的 - 我实际上不知道如何以编程方式到达那里。

EDIT2： 行没有排序，即子级可以按任何顺序排列，因此必须采用某种递归方法。

解决方法

更新答案

我现在有一种方法，只要您知道下降的顺序，即我们需要对 child_level 向量进行排序的顺序，它就可以工作。如果您不知道，我们应该能够计算出顺序，但现在我假设它是已知的。

该方法基于：

1. 首先计算parent_level
2. 通过 parent_level 和 child_level 嵌套数据框
3. 可与 purrr::accumulate2 或 purrr::reduce2 一起使用的自定义函数，该函数使用 left_join 将所有 data.frames 连接到一行中，如果再次连接现有列，则相应的列合并为一个

在应用此自定义 join_merge 函数之前：

4. 嵌套的 data.frames 需要按降序排序 (child_level)
5. 列名 parent 和 child 被替换为 parent_level 和 child_level 的值
6. 最后将 parent_level 和 child_level 组合成一个名为 arg_ls 的向量，该向量作为 .y 参数传递给 accumulate2（或者 reduce2 )

我希望这适用于您的真实数据。

library(tidyverse)

dat <- tribble(
  ~ parent,~child,~child_level,"d","sf","x","st","s0","gr4","l","gr3","grd","gr9","n7","b12","nyvc","b","trub2","ngb2","ggb8","xtr2d","i","xtuD","stab3","ubc8","ubc2","drik2","i"
)
# in a first step we calculate the `parent_level`
dat <- dat %>% 
  left_join(.,select(.,-parent),by = c("parent" = "child")) %>% 
  rename("child_level" = "child_level.x","parent_level" = "child_level.y") %>% 
  mutate(parent_level = replace_na(parent_level,"o"))

# we need this function to work with accumulate2 or reduce2
join_merge <- function(df1,df2,.rename) {
  res <- left_join(df1,by = .rename[1]) 

  # in case an existing column is joined again,we need to merge it together
  if(length(colnames(select(res,starts_with(all_of(.rename[2]))))) > 1) {
    res <- mutate(res,across(matches(paste0(.rename[2],".x")),~ if_else(is.na(.x),eval(sym(paste0(.rename[2],".y"))),.x))) %>% 
      select(-all_of(paste0(.rename[2],".y"))) %>% 
      rename(!! .rename[2] := paste0(.rename[2],".x"))
  }
  res
}


# accumulate is used to show how the final result is buildt
dat %>% 
  nest_by(child_level,parent_level) %>% 
  arrange(child_level == "i",desc(child_level)) %>% 
  mutate(arg_ls = list(c(parent_level,child_level))) %>% 
  mutate(data = list(rename_with(data,~ paste0(child_level),"child") %>%
           rename_with(~ paste0(parent_level),"parent"))) %>%
  ungroup %>% 
  mutate(dat_acc = accumulate2(data,arg_ls[-1],join_merge)) %>% 
  pull(dat_acc)
#> [[1]]
#> # A tibble: 3 x 2
#>   o     x    
#>   <chr> <chr>
#> 1 d     sf   
#> 2 d     st   
#> 3 d     s0   
#> 
#> [[2]]
#> # A tibble: 6 x 3
#>   o     x     l    
#>   <chr> <chr> <chr>
#> 1 d     sf    gr4  
#> 2 d     sf    gr3  
#> 3 d     st    grd  
#> 4 d     st    gr9  
#> 5 d     s0    n7   
#> 6 d     s0    b12  
#> 
#> [[3]]
#> # A tibble: 7 x 4
#>   o     x     l     b    
#>   <chr> <chr> <chr> <chr>
#> 1 d     sf    gr4   <NA> 
#> 2 d     sf    gr3   trub2
#> 3 d     st    grd   nyvc 
#> 4 d     st    gr9   <NA> 
#> 5 d     s0    n7    <NA> 
#> 6 d     s0    b12   ngb2 
#> 7 d     s0    b12   ggb8 
#> 
#> [[4]]
#> # A tibble: 7 x 5
#>   o     x     l     b     i    
#>   <chr> <chr> <chr> <chr> <chr>
#> 1 d     sf    gr4   <NA>  <NA> 
#> 2 d     sf    gr3   trub2 xtuD 
#> 3 d     st    grd   nyvc  xtr2d
#> 4 d     st    gr9   <NA>  <NA> 
#> 5 d     s0    n7    <NA>  <NA> 
#> 6 d     s0    b12   ngb2  <NA> 
#> 7 d     s0    b12   ggb8  drik2
#> 
#> [[5]]
#> # A tibble: 7 x 5
#>   o     x     l     b     i    
#>   <chr> <chr> <chr> <chr> <chr>
#> 1 d     sf    gr4   <NA>  stab3
#> 2 d     sf    gr3   trub2 xtuD 
#> 3 d     st    grd   nyvc  xtr2d
#> 4 d     st    gr9   <NA>  ubc8 
#> 5 d     s0    n7    <NA>  ubc2 
#> 6 d     s0    b12   ngb2  <NA> 
#> 7 d     s0    b12   ggb8  drik2

^{由 reprex package (v0.3.0) 于 2020 年 12 月 22 日创建}

,

如果没有进一步的信息，我通常会如何解决这个问题。我正在展示一个 tidyverse 解决方案，但当然这也可以在基础 R 中完成。

data <- structure(list(child = structure(c(10L,11L,9L,4L,5L,6L,1L,8L,13L,7L,3L,16L,17L,12L,15L,14L,2L),.Label = c("b12","xtuD"),class = "factor"),parent = structure(c(2L,2L,10L,3L),"trub2"),child_level = structure(c(4L,.Label = c("b","t","x"),class = "factor")),class = "data.frame",row.names = c(NA,-18L))

library(tidyverse)

pivot <- data %>% mutate(unique = rownames(data)) %>% pivot_wider(id_cols = unique,names_from = child_level,values_from = child) %>% select(!unique)

输入看起来像这样：

# > data
#    child parent child_level
# 1     sf      d           x
# 2     st      d           x
# 3     s0      d           x
# 4    gr4     sf           t
# 5    grd     sf           t
# 6    grd     st           t
# 7     n7     s0           t
# 8    b12     s0           t
# 9   nyvc    grd           b
# 10 trub2    gr3           b
# 11  ngb2    b12           b
# 12  ggb8    b12           b
# 13 xtr2d   nyvc           i
# 14  xtuD  trub2           i
# 15 stab3    gr4           i
# 16  ubc8    gr9           i
# 17  ubc2     n7           i
# 18 drik2   ggb8           i

它会输出这个：

# > pivot
# # A tibble: 18 x 4
#    x     t     b     i    
#    <fct> <fct> <fct> <fct>
#  1 sf    NA    NA    NA   
#  2 st    NA    NA    NA   
#  3 s0    NA    NA    NA   
#  4 NA    gr4   NA    NA   
#  5 NA    grd   NA    NA   
#  6 NA    grd   NA    NA   
#  7 NA    n7    NA    NA   
#  8 NA    b12   NA    NA   
#  9 NA    NA    nyvc  NA   
# 10 NA    NA    trub2 NA   
# 11 NA    NA    ngb2  NA   
# 12 NA    NA    ggb8  NA   
# 13 NA    NA    NA    xtr2d
# 14 NA    NA    NA    xtuD 
# 15 NA    NA    NA    stab3
# 16 NA    NA    NA    ubc8 
# 17 NA    NA    NA    ubc2 
# 18 NA    NA    NA    drik2