বেশিরভাগ ক্ষেত্রে, যখন একটি API থেকে প্রাপ্ত প্রতিক্রিয়ার সাথে কাজ করা হয়, বা জটিল গাছের কাঠামো রয়েছে এমন অন্য কোনো ডেটার সাথে কাজ করার সময়, আপনি JSON এবং XML ফর্ম্যাটের সম্মুখীন হন।

এই ফর্ম্যাটগুলির অনেক সুবিধা রয়েছে: এগুলি বেশ সংক্ষিপ্তভাবে ডেটা সঞ্চয় করে এবং আপনাকে তথ্যের অপ্রয়োজনীয় নকল এড়াতে দেয়।

এই ফর্ম্যাটগুলির অসুবিধা হল তাদের প্রক্রিয়াকরণ এবং বিশ্লেষণের জটিলতা। অসংগঠিত ডেটা গণনায় ব্যবহার করা যায় না এবং এর উপর ভিজ্যুয়ালাইজেশন তৈরি করা যায় না।

এই নিবন্ধটি প্রকাশনার একটি যৌক্তিক ধারাবাহিকতা "আর প্যাকেজ টাইডার এবং এর নতুন ফাংশনগুলি pivot_longer এবং pivot_wider". এটি আপনাকে প্যাকেজটি ব্যবহার করে অসংগঠিত ডেটা স্ট্রাকচারগুলিকে একটি পরিচিত এবং বিশ্লেষণের জন্য উপযোগী সারণী আকারে আনতে সাহায্য করবে tidyr, গ্রন্থাগারের মূল অংশে অন্তর্ভুক্ত tidyverse, এবং ফাংশন এর পরিবার unnest_*().

সন্তুষ্ট

আপনি যদি ডেটা বিশ্লেষণে আগ্রহী হন তবে আপনি আমার প্রতি আগ্রহী হতে পারেন টেলিগ্রাম и ইউটিউব চ্যানেল যার বেশিরভাগ বিষয়বস্তু আর ভাষাকে নিবেদিত।

1. ভূমিকা
2. GitHub ব্যবহারকারীরা
3. Github সংগ্রহস্থল
4. গেম অফ থ্রোনস চরিত্র
5. গুগলের সাথে জিওকোডিং
6. শার্লা গেলফান্ডের ডিসকোগ্রাফি
7. উপসংহার

ভূমিকা

আয়তক্ষেত্র (অনুবাদকের দ্রষ্টব্য, আমি এই শব্দটির জন্য পর্যাপ্ত অনুবাদের বিকল্প খুঁজে পাইনি, তাই আমরা এটিকে রেখে দেব।) পরিচিত সারি এবং কলাম সমন্বিত একটি দ্বি-মাত্রিক টেবিলে নেস্টেড অ্যারে সহ অসংগঠিত ডেটা আনার প্রক্রিয়া। ভিতরে tidyr বেশ কয়েকটি ফাংশন রয়েছে যা আপনাকে নেস্টেড তালিকা কলামগুলি প্রসারিত করতে এবং একটি আয়তক্ষেত্রাকার, সারণী আকারে ডেটা হ্রাস করতে সহায়তা করবে:

• unnest_longer() কলাম তালিকার প্রতিটি উপাদান নেয় এবং একটি নতুন সারি তৈরি করে।
• unnest_wider() কলাম তালিকার প্রতিটি উপাদান নেয় এবং একটি নতুন কলাম তৈরি করে।
• unnest_auto() কোন ফাংশন ব্যবহার করা ভাল তা স্বয়ংক্রিয়ভাবে নির্ধারণ করে
  unnest_longer() বা unnest_wider().
• hoist() অনুরূপ, একই, সমতুল্য unnest_wider() কিন্তু শুধুমাত্র নির্দিষ্ট উপাদান নির্বাচন করে এবং আপনাকে নেস্টিংয়ের বিভিন্ন স্তরের সাথে কাজ করার অনুমতি দেয়।

দ্বি-মাত্রিক সারণীতে বিভিন্ন স্তরের নেস্টিং সহ অসংগঠিত ডেটা আনার সাথে সম্পর্কিত বেশিরভাগ সমস্যা dplyr-এর সাথে তালিকাভুক্ত ফাংশনগুলিকে একত্রিত করে সমাধান করা যেতে পারে।

এই কৌশলগুলি প্রদর্শন করতে, আমরা প্যাকেজটি ব্যবহার করব repurrrsive, যা একটি ওয়েব API থেকে প্রাপ্ত একাধিক জটিল, বহু-স্তরের তালিকা প্রদান করে।

library(tidyr)
library(dplyr)
library(repurrrsive)

GitHub ব্যবহারকারীরা

চলো আমরা শুরু করি gh_ব্যবহারকারী, একটি তালিকা যাতে ছয়টি গিটহাব ব্যবহারকারীর তথ্য রয়েছে। প্রথমে তালিকা রূপান্তর করা যাক gh_ব্যবহারকারী в টিবল ফ্রেম:

users <-   tibble( user = gh_users ) 

এটি একটি সামান্য বিপরীত মনে হয়: কেন একটি তালিকা প্রদান করুন gh_ব্যবহারকারী, একটি আরো জটিল তথ্য কাঠামো? কিন্তু একটি ডেটা ফ্রেমের একটি বড় সুবিধা রয়েছে: এটি একাধিক ভেক্টরকে একত্রিত করে যাতে সবকিছু একটি বস্তুতে ট্র্যাক করা হয়।

প্রতিটি বস্তুর উপাদান users একটি নাম তালিকা যেখানে প্রতিটি উপাদান একটি কলাম প্রতিনিধিত্ব করে।

names(users$user[[1]])
#>  [1] "login"               "id"                  "avatar_url"         
#>  [4] "gravatar_id"         "url"                 "html_url"           
#>  [7] "followers_url"       "following_url"       "gists_url"          
#> [10] "starred_url"         "subscriptions_url"   "organizations_url"  
#> [13] "repos_url"           "events_url"          "received_events_url"
#> [16] "type"                "site_admin"          "name"               
#> [19] "company"             "blog"                "location"           
#> [22] "email"               "hireable"            "bio"                
#> [25] "public_repos"        "public_gists"        "followers"          
#> [28] "following"           "created_at"          "updated_at"

তালিকার উপাদানগুলিকে কলামে পরিণত করার দুটি উপায় রয়েছে। unnest_wider() প্রতিটি উপাদান নেয় এবং একটি নতুন কলাম তৈরি করে:

users %>% unnest_wider(user)
#> # A tibble: 6 x 30
#>   login     id avatar_url gravatar_id url   html_url followers_url
#>   <chr>  <int> <chr>      <chr>       <chr> <chr>    <chr>        
#> 1 gabo… 6.60e5 https://a… ""          http… https:/… https://api.…
#> 2 jenn… 5.99e5 https://a… ""          http… https:/… https://api.…
#> 3 jtle… 1.57e6 https://a… ""          http… https:/… https://api.…
#> 4 juli… 1.25e7 https://a… ""          http… https:/… https://api.…
#> 5 leep… 3.51e6 https://a… ""          http… https:/… https://api.…
#> 6 masa… 8.36e6 https://a… ""          http… https:/… https://api.…
#> # … with 23 more variables: following_url <chr>, gists_url <chr>,
#> #   starred_url <chr>, subscriptions_url <chr>, organizations_url <chr>,
#> #   repos_url <chr>, events_url <chr>, received_events_url <chr>,
#> #   type <chr>, site_admin <lgl>, name <chr>, company <chr>, blog <chr>,
#> #   location <chr>, email <chr>, public_repos <int>, public_gists <int>,
#> #   followers <int>, following <int>, created_at <chr>, updated_at <chr>,
#> #   bio <chr>, hireable <lgl>

এই ক্ষেত্রে, আমাদের কাছে 30 টি কলাম নিয়ে একটি টেবিল রয়েছে এবং আমাদের সেগুলির বেশিরভাগের প্রয়োজন হবে না, তাই আমরা পরিবর্তে করতে পারি unnest_wider() ব্যবহার করতে hoist(). hoist() আমাদেরকে একই সিনট্যাক্স ব্যবহার করে নির্বাচিত উপাদানগুলি বের করতে দেয় purrr::pluck():

users %>% hoist(user, 
  followers = "followers", 
  login = "login", 
  url = "html_url"
)
#> # A tibble: 6 x 4
#>   followers login       url                            user             
#>       <int> <chr>       <chr>                          <list>           
#> 1       303 gaborcsardi https://github.com/gaborcsardi <named list [27]>
#> 2       780 jennybc     https://github.com/jennybc     <named list [27]>
#> 3      3958 jtleek      https://github.com/jtleek      <named list [27]>
#> 4       115 juliasilge  https://github.com/juliasilge  <named list [27]>
#> 5       213 leeper      https://github.com/leeper      <named list [27]>
#> 6        34 masalmon    https://github.com/masalmon    <named list [27]>

hoist() একটি কলাম তালিকা থেকে নির্দিষ্ট নামযুক্ত উপাদানগুলি সরিয়ে দেয় ব্যবহারকারীতাই আপনি বিবেচনা করতে পারেন hoist() একটি তারিখ ফ্রেমের অভ্যন্তরীণ তালিকা থেকে তার শীর্ষ স্তরে উপাদানগুলি সরানোর মতো৷

Github সংগ্রহস্থল

তালিকা প্রান্তিককরণ gh_repos আমরা এটিকে রূপান্তর করে একইভাবে শুরু করি tibble:

repos <- tibble(repo = gh_repos)
repos
#> # A tibble: 6 x 1
#>   repo       
#>   <list>     
#> 1 <list [30]>
#> 2 <list [30]>
#> 3 <list [30]>
#> 4 <list [26]>
#> 5 <list [30]>
#> 6 <list [30]>

এই সময় উপাদান ব্যবহারকারী এই ব্যবহারকারীর মালিকানাধীন সংগ্রহস্থলগুলির একটি তালিকা উপস্থাপন করুন। প্রতিটি ভান্ডার একটি পৃথক পর্যবেক্ষণ, তাই ঝরঝরে তথ্য ধারণা অনুযায়ী (প্রায় পরিপাটি তথ্য) তাদের নতুন লাইন হওয়া উচিত, তাই আমরা ব্যবহার করি unnest_longer() কিন্তু না unnest_wider():

repos <- repos %>% unnest_longer(repo)
repos
#> # A tibble: 176 x 1
#>    repo             
#>    <list>           
#>  1 <named list [68]>
#>  2 <named list [68]>
#>  3 <named list [68]>
#>  4 <named list [68]>
#>  5 <named list [68]>
#>  6 <named list [68]>
#>  7 <named list [68]>
#>  8 <named list [68]>
#>  9 <named list [68]>
#> 10 <named list [68]>
#> # … with 166 more rows

এখন আমরা ব্যবহার করতে পারেন unnest_wider() বা hoist() :

repos %>% hoist(repo, 
  login = c("owner", "login"), 
  name = "name",
  homepage = "homepage",
  watchers = "watchers_count"
)
#> # A tibble: 176 x 5
#>    login       name        homepage watchers repo             
#>    <chr>       <chr>       <chr>       <int> <list>           
#>  1 gaborcsardi after       <NA>            5 <named list [65]>
#>  2 gaborcsardi argufy      <NA>           19 <named list [65]>
#>  3 gaborcsardi ask         <NA>            5 <named list [65]>
#>  4 gaborcsardi baseimports <NA>            0 <named list [65]>
#>  5 gaborcsardi citest      <NA>            0 <named list [65]>
#>  6 gaborcsardi clisymbols  ""             18 <named list [65]>
#>  7 gaborcsardi cmaker      <NA>            0 <named list [65]>
#>  8 gaborcsardi cmark       <NA>            0 <named list [65]>
#>  9 gaborcsardi conditions  <NA>            0 <named list [65]>
#> 10 gaborcsardi crayon      <NA>           52 <named list [65]>
#> # … with 166 more rows

ব্যবহারের দিকে মনোযোগ দিন c("owner", "login"): এটি আমাদের নেস্টেড তালিকা থেকে দ্বিতীয় স্তরের মান পেতে অনুমতি দেয় owner. একটি বিকল্প পদ্ধতি সম্পূর্ণ তালিকা পেতে হয় owner এবং তারপর ফাংশন ব্যবহার করে unnest_wider() এর প্রতিটি উপাদানকে একটি কলামে রাখুন:

repos %>% 
  hoist(repo, owner = "owner") %>% 
  unnest_wider(owner)
#> # A tibble: 176 x 18
#>    login     id avatar_url gravatar_id url   html_url followers_url
#>    <chr>  <int> <chr>      <chr>       <chr> <chr>    <chr>        
#>  1 gabo… 660288 https://a… ""          http… https:/… https://api.…
#>  2 gabo… 660288 https://a… ""          http… https:/… https://api.…
#>  3 gabo… 660288 https://a… ""          http… https:/… https://api.…
#>  4 gabo… 660288 https://a… ""          http… https:/… https://api.…
#>  5 gabo… 660288 https://a… ""          http… https:/… https://api.…
#>  6 gabo… 660288 https://a… ""          http… https:/… https://api.…
#>  7 gabo… 660288 https://a… ""          http… https:/… https://api.…
#>  8 gabo… 660288 https://a… ""          http… https:/… https://api.…
#>  9 gabo… 660288 https://a… ""          http… https:/… https://api.…
#> 10 gabo… 660288 https://a… ""          http… https:/… https://api.…
#> # … with 166 more rows, and 11 more variables: following_url <chr>,
#> #   gists_url <chr>, starred_url <chr>, subscriptions_url <chr>,
#> #   organizations_url <chr>, repos_url <chr>, events_url <chr>,
#> #   received_events_url <chr>, type <chr>, site_admin <lgl>, repo <list>

পরিবর্তে সঠিক ফাংশন নির্বাচন সম্পর্কে চিন্তা unnest_longer() বা unnest_wider() তুমি ব্যবহার করতে পার unnest_auto(). এই ফাংশনটি ডেটা রূপান্তরের জন্য সবচেয়ে উপযুক্ত ফাংশন নির্বাচন করতে বিভিন্ন হিউরিস্টিক পদ্ধতি ব্যবহার করে এবং নির্বাচিত পদ্ধতি সম্পর্কে একটি বার্তা প্রদর্শন করে।

tibble(repo = gh_repos) %>% 
  unnest_auto(repo) %>% 
  unnest_auto(repo)
#> Using `unnest_longer(repo)`; no element has names
#> Using `unnest_wider(repo)`; elements have 68 names in common
#> # A tibble: 176 x 67
#>        id name  full_name owner private html_url description fork  url  
#>     <int> <chr> <chr>     <lis> <lgl>   <chr>    <chr>       <lgl> <chr>
#>  1 6.12e7 after gaborcsa… <nam… FALSE   https:/… Run Code i… FALSE http…
#>  2 4.05e7 argu… gaborcsa… <nam… FALSE   https:/… Declarativ… FALSE http…
#>  3 3.64e7 ask   gaborcsa… <nam… FALSE   https:/… Friendly C… FALSE http…
#>  4 3.49e7 base… gaborcsa… <nam… FALSE   https:/… Do we get … FALSE http…
#>  5 6.16e7 cite… gaborcsa… <nam… FALSE   https:/… Test R pac… TRUE  http…
#>  6 3.39e7 clis… gaborcsa… <nam… FALSE   https:/… Unicode sy… FALSE http…
#>  7 3.72e7 cmak… gaborcsa… <nam… FALSE   https:/… port of cm… TRUE  http…
#>  8 6.80e7 cmark gaborcsa… <nam… FALSE   https:/… CommonMark… TRUE  http…
#>  9 6.32e7 cond… gaborcsa… <nam… FALSE   https:/… <NA>        TRUE  http…
#> 10 2.43e7 cray… gaborcsa… <nam… FALSE   https:/… R package … FALSE http…
#> # … with 166 more rows, and 58 more variables: forks_url <chr>,
#> #   keys_url <chr>, collaborators_url <chr>, teams_url <chr>,
#> #   hooks_url <chr>, issue_events_url <chr>, events_url <chr>,
#> #   assignees_url <chr>, branches_url <chr>, tags_url <chr>,
#> #   blobs_url <chr>, git_tags_url <chr>, git_refs_url <chr>,
#> #   trees_url <chr>, statuses_url <chr>, languages_url <chr>,
#> #   stargazers_url <chr>, contributors_url <chr>, subscribers_url <chr>,
#> #   subscription_url <chr>, commits_url <chr>, git_commits_url <chr>,
#> #   comments_url <chr>, issue_comment_url <chr>, contents_url <chr>,
#> #   compare_url <chr>, merges_url <chr>, archive_url <chr>,
#> #   downloads_url <chr>, issues_url <chr>, pulls_url <chr>,
#> #   milestones_url <chr>, notifications_url <chr>, labels_url <chr>,
#> #   releases_url <chr>, deployments_url <chr>, created_at <chr>,
#> #   updated_at <chr>, pushed_at <chr>, git_url <chr>, ssh_url <chr>,
#> #   clone_url <chr>, svn_url <chr>, size <int>, stargazers_count <int>,
#> #   watchers_count <int>, language <chr>, has_issues <lgl>,
#> #   has_downloads <lgl>, has_wiki <lgl>, has_pages <lgl>,
#> #   forks_count <int>, open_issues_count <int>, forks <int>,
#> #   open_issues <int>, watchers <int>, default_branch <chr>,
#> #   homepage <chr>

গেম অফ থ্রোনস চরিত্র

got_chars একটি অভিন্ন গঠন আছে gh_users: এটি নাম করা তালিকার একটি সেট, যেখানে অভ্যন্তরীণ তালিকার প্রতিটি উপাদান গেম অফ থ্রোনস চরিত্রের কিছু বৈশিষ্ট্য বর্ণনা করে। আনয়ন got_chars টেবিল ভিউয়ের জন্য, আমরা পূর্ববর্তী উদাহরণগুলির মতো একটি তারিখ ফ্রেম তৈরি করে শুরু করি এবং তারপর প্রতিটি উপাদানকে একটি পৃথক কলামে রূপান্তর করি:

chars <- tibble(char = got_chars)
chars
#> # A tibble: 30 x 1
#>    char             
#>    <list>           
#>  1 <named list [18]>
#>  2 <named list [18]>
#>  3 <named list [18]>
#>  4 <named list [18]>
#>  5 <named list [18]>
#>  6 <named list [18]>
#>  7 <named list [18]>
#>  8 <named list [18]>
#>  9 <named list [18]>
#> 10 <named list [18]>
#> # … with 20 more rows

chars2 <- chars %>% unnest_wider(char)
chars2
#> # A tibble: 30 x 18
#>    url      id name  gender culture born  died  alive titles aliases father
#>    <chr> <int> <chr> <chr>  <chr>   <chr> <chr> <lgl> <list> <list>  <chr> 
#>  1 http…  1022 Theo… Male   Ironbo… In 2… ""    TRUE  <chr … <chr [… ""    
#>  2 http…  1052 Tyri… Male   ""      In 2… ""    TRUE  <chr … <chr [… ""    
#>  3 http…  1074 Vict… Male   Ironbo… In 2… ""    TRUE  <chr … <chr [… ""    
#>  4 http…  1109 Will  Male   ""      ""    In 2… FALSE <chr … <chr [… ""    
#>  5 http…  1166 Areo… Male   Norvos… In 2… ""    TRUE  <chr … <chr [… ""    
#>  6 http…  1267 Chett Male   ""      At H… In 2… FALSE <chr … <chr [… ""    
#>  7 http…  1295 Cres… Male   ""      In 2… In 2… FALSE <chr … <chr [… ""    
#>  8 http…   130 Aria… Female Dornish In 2… ""    TRUE  <chr … <chr [… ""    
#>  9 http…  1303 Daen… Female Valyri… In 2… ""    TRUE  <chr … <chr [… ""    
#> 10 http…  1319 Davo… Male   Wester… In 2… ""    TRUE  <chr … <chr [… ""    
#> # … with 20 more rows, and 7 more variables: mother <chr>, spouse <chr>,
#> #   allegiances <list>, books <list>, povBooks <list>, tvSeries <list>,
#> #   playedBy <list>

গঠন got_chars তুলনায় কিছুটা কঠিন gh_users, কারণ কিছু তালিকা উপাদান char নিজেরা একটি তালিকা, ফলস্বরূপ আমরা পাইলার - তালিকাগুলি:

chars2 %>% select_if(is.list)
#> # A tibble: 30 x 7
#>    titles    aliases    allegiances books     povBooks  tvSeries  playedBy 
#>    <list>    <list>     <list>      <list>    <list>    <list>    <list>   
#>  1 <chr [3]> <chr [4]>  <chr [1]>   <chr [3]> <chr [2]> <chr [6]> <chr [1]>
#>  2 <chr [2]> <chr [11]> <chr [1]>   <chr [2]> <chr [4]> <chr [6]> <chr [1]>
#>  3 <chr [2]> <chr [1]>  <chr [1]>   <chr [3]> <chr [2]> <chr [1]> <chr [1]>
#>  4 <chr [1]> <chr [1]>  <???>       <chr [1]> <chr [1]> <chr [1]> <chr [1]>
#>  5 <chr [1]> <chr [1]>  <chr [1]>   <chr [3]> <chr [2]> <chr [2]> <chr [1]>
#>  6 <chr [1]> <chr [1]>  <???>       <chr [2]> <chr [1]> <chr [1]> <chr [1]>
#>  7 <chr [1]> <chr [1]>  <???>       <chr [2]> <chr [1]> <chr [1]> <chr [1]>
#>  8 <chr [1]> <chr [1]>  <chr [1]>   <chr [4]> <chr [1]> <chr [1]> <chr [1]>
#>  9 <chr [5]> <chr [11]> <chr [1]>   <chr [1]> <chr [4]> <chr [6]> <chr [1]>
#> 10 <chr [4]> <chr [5]>  <chr [2]>   <chr [1]> <chr [3]> <chr [5]> <chr [1]>
#> # … with 20 more rows

আপনার পরবর্তী ক্রিয়াগুলি বিশ্লেষণের লক্ষ্যগুলির উপর নির্ভর করে। সম্ভবত আপনাকে প্রতিটি বই এবং সিরিজের জন্য লাইনগুলিতে তথ্য রাখতে হবে যেখানে চরিত্রটি প্রদর্শিত হবে:

chars2 %>% 
  select(name, books, tvSeries) %>% 
  pivot_longer(c(books, tvSeries), names_to = "media", values_to = "value") %>% 
  unnest_longer(value)
#> # A tibble: 180 x 3
#>    name             media    value            
#>    <chr>            <chr>    <chr>            
#>  1 Theon Greyjoy    books    A Game of Thrones
#>  2 Theon Greyjoy    books    A Storm of Swords
#>  3 Theon Greyjoy    books    A Feast for Crows
#>  4 Theon Greyjoy    tvSeries Season 1         
#>  5 Theon Greyjoy    tvSeries Season 2         
#>  6 Theon Greyjoy    tvSeries Season 3         
#>  7 Theon Greyjoy    tvSeries Season 4         
#>  8 Theon Greyjoy    tvSeries Season 5         
#>  9 Theon Greyjoy    tvSeries Season 6         
#> 10 Tyrion Lannister books    A Feast for Crows
#> # … with 170 more rows

অথবা হয়ত আপনি একটি টেবিল তৈরি করতে চান যা আপনাকে অক্ষর এবং কাজের সাথে মেলাতে দেয়:

chars2 %>% 
  select(name, title = titles) %>% 
  unnest_longer(title)
#> # A tibble: 60 x 2
#>    name              title                                               
#>    <chr>             <chr>                                               
#>  1 Theon Greyjoy     Prince of Winterfell                                
#>  2 Theon Greyjoy     Captain of Sea Bitch                                
#>  3 Theon Greyjoy     Lord of the Iron Islands (by law of the green lands)
#>  4 Tyrion Lannister  Acting Hand of the King (former)                    
#>  5 Tyrion Lannister  Master of Coin (former)                             
#>  6 Victarion Greyjoy Lord Captain of the Iron Fleet                      
#>  7 Victarion Greyjoy Master of the Iron Victory                          
#>  8 Will              ""                                                  
#>  9 Areo Hotah        Captain of the Guard at Sunspear                    
#> 10 Chett             ""                                                  
#> # … with 50 more rows

(খালি মান নোট করুন "" মাঠে title, এটি ডেটা প্রবেশ করার সময় করা ত্রুটির কারণে got_chars: প্রকৃতপক্ষে, অক্ষর যার জন্য ক্ষেত্রটিতে কোনও সংশ্লিষ্ট বই এবং টিভি সিরিজের শিরোনাম নেই৷ title দৈর্ঘ্য 0 এর ভেক্টর থাকতে হবে, খালি স্ট্রিং ধারণকারী দৈর্ঘ্য 1 এর ভেক্টর নয়।)

আমরা ফাংশন ব্যবহার করে উপরের উদাহরণটি পুনরায় লিখতে পারি unnest_auto(). এই পদ্ধতিটি এককালীন বিশ্লেষণের জন্য সুবিধাজনক, তবে আপনার উপর নির্ভর করা উচিত নয় unnest_auto() নিয়মিত ব্যবহারের জন্য। মোদ্দা কথা হল আপনার ডাটা স্ট্রাকচার পরিবর্তন হলে unnest_auto() নির্বাচিত ডেটা ট্রান্সফরমেশন মেকানিজম পরিবর্তন করতে পারে যদি এটি প্রাথমিকভাবে তালিকা কলামগুলিকে সারিগুলিতে প্রসারিত করে unnest_longer(), তারপর যখন ইনকামিং ডেটার গঠন পরিবর্তিত হয়, যুক্তির পক্ষে পরিবর্তন করা যেতে পারে unnest_wider(), এবং একটি চলমান ভিত্তিতে এই পদ্ধতি ব্যবহার করে অপ্রত্যাশিত ত্রুটি হতে পারে।

tibble(char = got_chars) %>% 
  unnest_auto(char) %>% 
  select(name, title = titles) %>% 
  unnest_auto(title)
#> Using `unnest_wider(char)`; elements have 18 names in common
#> Using `unnest_longer(title)`; no element has names
#> # A tibble: 60 x 2
#>    name              title                                               
#>    <chr>             <chr>                                               
#>  1 Theon Greyjoy     Prince of Winterfell                                
#>  2 Theon Greyjoy     Captain of Sea Bitch                                
#>  3 Theon Greyjoy     Lord of the Iron Islands (by law of the green lands)
#>  4 Tyrion Lannister  Acting Hand of the King (former)                    
#>  5 Tyrion Lannister  Master of Coin (former)                             
#>  6 Victarion Greyjoy Lord Captain of the Iron Fleet                      
#>  7 Victarion Greyjoy Master of the Iron Victory                          
#>  8 Will              ""                                                  
#>  9 Areo Hotah        Captain of the Guard at Sunspear                    
#> 10 Chett             ""                                                  
#> # … with 50 more rows

গুগলের সাথে জিওকোডিং

এর পরে, আমরা Google এর জিওকোডিং পরিষেবা থেকে প্রাপ্ত ডেটার আরও জটিল কাঠামো দেখব। ক্যাশিং শংসাপত্রগুলি Google মানচিত্র API এর সাথে কাজ করার নিয়মের বিরুদ্ধে, তাই আমি প্রথমে API এর চারপাশে একটি সাধারণ মোড়ক লিখব। যা একটি পরিবেশ পরিবর্তনশীল মধ্যে Google মানচিত্র API কী সংরক্ষণের উপর ভিত্তি করে; আপনার এনভায়রনমেন্ট ভেরিয়েবলে সঞ্চিত Google Maps API-এর সাথে কাজ করার কী আপনার কাছে না থাকলে, এই বিভাগে উপস্থাপিত কোডের টুকরোগুলি কার্যকর করা হবে না।

has_key <- !identical(Sys.getenv("GOOGLE_MAPS_API_KEY"), "")
if (!has_key) {
  message("No Google Maps API key found; code chunks will not be run")
}

# https://developers.google.com/maps/documentation/geocoding
geocode <- function(address, api_key = Sys.getenv("GOOGLE_MAPS_API_KEY")) {
  url <- "https://maps.googleapis.com/maps/api/geocode/json"
  url <- paste0(url, "?address=", URLencode(address), "&key=", api_key)

  jsonlite::read_json(url)
}

এই ফাংশনটি যে তালিকাটি দেয় তা বেশ জটিল:

houston <- geocode("Houston TX")
str(houston)
#> List of 2
#>  $ results:List of 1
#>   ..$ :List of 5
#>   .. ..$ address_components:List of 4
#>   .. .. ..$ :List of 3
#>   .. .. .. ..$ long_name : chr "Houston"
#>   .. .. .. ..$ short_name: chr "Houston"
#>   .. .. .. ..$ types     :List of 2
#>   .. .. .. .. ..$ : chr "locality"
#>   .. .. .. .. ..$ : chr "political"
#>   .. .. ..$ :List of 3
#>   .. .. .. ..$ long_name : chr "Harris County"
#>   .. .. .. ..$ short_name: chr "Harris County"
#>   .. .. .. ..$ types     :List of 2
#>   .. .. .. .. ..$ : chr "administrative_area_level_2"
#>   .. .. .. .. ..$ : chr "political"
#>   .. .. ..$ :List of 3
#>   .. .. .. ..$ long_name : chr "Texas"
#>   .. .. .. ..$ short_name: chr "TX"
#>   .. .. .. ..$ types     :List of 2
#>   .. .. .. .. ..$ : chr "administrative_area_level_1"
#>   .. .. .. .. ..$ : chr "political"
#>   .. .. ..$ :List of 3
#>   .. .. .. ..$ long_name : chr "United States"
#>   .. .. .. ..$ short_name: chr "US"
#>   .. .. .. ..$ types     :List of 2
#>   .. .. .. .. ..$ : chr "country"
#>   .. .. .. .. ..$ : chr "political"
#>   .. ..$ formatted_address : chr "Houston, TX, USA"
#>   .. ..$ geometry          :List of 4
#>   .. .. ..$ bounds       :List of 2
#>   .. .. .. ..$ northeast:List of 2
#>   .. .. .. .. ..$ lat: num 30.1
#>   .. .. .. .. ..$ lng: num -95
#>   .. .. .. ..$ southwest:List of 2
#>   .. .. .. .. ..$ lat: num 29.5
#>   .. .. .. .. ..$ lng: num -95.8
#>   .. .. ..$ location     :List of 2
#>   .. .. .. ..$ lat: num 29.8
#>   .. .. .. ..$ lng: num -95.4
#>   .. .. ..$ location_type: chr "APPROXIMATE"
#>   .. .. ..$ viewport     :List of 2
#>   .. .. .. ..$ northeast:List of 2
#>   .. .. .. .. ..$ lat: num 30.1
#>   .. .. .. .. ..$ lng: num -95
#>   .. .. .. ..$ southwest:List of 2
#>   .. .. .. .. ..$ lat: num 29.5
#>   .. .. .. .. ..$ lng: num -95.8
#>   .. ..$ place_id          : chr "ChIJAYWNSLS4QIYROwVl894CDco"
#>   .. ..$ types             :List of 2
#>   .. .. ..$ : chr "locality"
#>   .. .. ..$ : chr "political"
#>  $ status : chr "OK"

সৌভাগ্যবশত, আমরা ফাংশন ব্যবহার করে ধাপে ধাপে এই ডেটাটিকে ট্যাবুলার ফর্মে রূপান্তর করার সমস্যার সমাধান করতে পারি tidyr. কাজটিকে একটু বেশি চ্যালেঞ্জিং এবং বাস্তবসম্মত করতে, আমি কয়েকটি শহর জিওকোডিং করে শুরু করব:

  city <-   c ( "Houston" , "LA" , "New York" , "Chicago" , "Springfield" )  city_geo <-   purrr::map (city, geocode) 

আমি ফলিত ফলাফলে রূপান্তর করব tibble, সুবিধার জন্য, আমি সংশ্লিষ্ট শহরের নামের সাথে একটি কলাম যোগ করব।

loc <- tibble(city = city, json = city_geo)
loc
#> # A tibble: 5 x 2
#>   city        json            
#>   <chr>       <list>          
#> 1 Houston     <named list [2]>
#> 2 LA          <named list [2]>
#> 3 New York    <named list [2]>
#> 4 Chicago     <named list [2]>
#> 5 Springfield <named list [2]>

প্রথম স্তরে উপাদান রয়েছে status и result, যা দিয়ে আমরা প্রসারিত করতে পারি unnest_wider() :

loc %>%
  unnest_wider(json)
#> # A tibble: 5 x 3
#>   city        results    status
#>   <chr>       <list>     <chr> 
#> 1 Houston     <list [1]> OK    
#> 2 LA          <list [1]> OK    
#> 3 New York    <list [1]> OK    
#> 4 Chicago     <list [1]> OK    
#> 5 Springfield <list [1]> OK

মনে রাখবেন যে results একটি বহু-স্তরের তালিকা। বেশিরভাগ শহরে 1টি উপাদান রয়েছে (জিওকোডিং API এর সাথে সম্পর্কিত একটি অনন্য মান উপস্থাপন করে), তবে স্প্রিংফিল্ডে দুটি রয়েছে। আমরা তাদের সাথে আলাদা লাইনে টানতে পারি unnest_longer() :

loc %>%
  unnest_wider(json) %>% 
  unnest_longer(results)
#> # A tibble: 5 x 3
#>   city        results          status
#>   <chr>       <list>           <chr> 
#> 1 Houston     <named list [5]> OK    
#> 2 LA          <named list [5]> OK    
#> 3 New York    <named list [5]> OK    
#> 4 Chicago     <named list [5]> OK    
#> 5 Springfield <named list [5]> OK

এখন তাদের সকলের একই উপাদান রয়েছে, যা ব্যবহার করে যাচাই করা যেতে পারে unnest_wider():

loc %>%
  unnest_wider(json) %>% 
  unnest_longer(results) %>% 
  unnest_wider(results)
#> # A tibble: 5 x 7
#>   city   address_componen… formatted_addre… geometry place_id  types status
#>   <chr>  <list>            <chr>            <list>   <chr>     <lis> <chr> 
#> 1 Houst… <list [4]>        Houston, TX, USA <named … ChIJAYWN… <lis… OK    
#> 2 LA     <list [4]>        Los Angeles, CA… <named … ChIJE9on… <lis… OK    
#> 3 New Y… <list [3]>        New York, NY, U… <named … ChIJOwg_… <lis… OK    
#> 4 Chica… <list [4]>        Chicago, IL, USA <named … ChIJ7cv0… <lis… OK    
#> 5 Sprin… <list [5]>        Springfield, MO… <named … ChIJP5jI… <lis… OK

তালিকাটি প্রসারিত করে আমরা প্রতিটি শহরের অক্ষাংশ এবং দ্রাঘিমাংশের স্থানাঙ্কগুলি খুঁজে পেতে পারি geometry:

loc %>%
  unnest_wider(json) %>% 
  unnest_longer(results) %>% 
  unnest_wider(results) %>% 
  unnest_wider(geometry)
#> # A tibble: 5 x 10
#>   city  address_compone… formatted_addre… bounds location location_type
#>   <chr> <list>           <chr>            <list> <list>   <chr>        
#> 1 Hous… <list [4]>       Houston, TX, USA <name… <named … APPROXIMATE  
#> 2 LA    <list [4]>       Los Angeles, CA… <name… <named … APPROXIMATE  
#> 3 New … <list [3]>       New York, NY, U… <name… <named … APPROXIMATE  
#> 4 Chic… <list [4]>       Chicago, IL, USA <name… <named … APPROXIMATE  
#> 5 Spri… <list [5]>       Springfield, MO… <name… <named … APPROXIMATE  
#> # … with 4 more variables: viewport <list>, place_id <chr>, types <list>,
#> #   status <chr>

এবং তারপর অবস্থান যার জন্য আপনাকে প্রসারিত করতে হবে location:

loc %>%
  unnest_wider(json) %>%
  unnest_longer(results) %>%
  unnest_wider(results) %>%
  unnest_wider(geometry) %>%
  unnest_wider(location)
#> # A tibble: 5 x 11
#>   city  address_compone… formatted_addre… bounds   lat    lng location_type
#>   <chr> <list>           <chr>            <list> <dbl>  <dbl> <chr>        
#> 1 Hous… <list [4]>       Houston, TX, USA <name…  29.8  -95.4 APPROXIMATE  
#> 2 LA    <list [4]>       Los Angeles, CA… <name…  34.1 -118.  APPROXIMATE  
#> 3 New … <list [3]>       New York, NY, U… <name…  40.7  -74.0 APPROXIMATE  
#> 4 Chic… <list [4]>       Chicago, IL, USA <name…  41.9  -87.6 APPROXIMATE  
#> 5 Spri… <list [5]>       Springfield, MO… <name…  37.2  -93.3 APPROXIMATE  
#> # … with 4 more variables: viewport <list>, place_id <chr>, types <list>,
#> #   status <chr>

তবুও আবার, unnest_auto() আগত ডেটার গঠন পরিবর্তনের কারণে হতে পারে এমন কিছু ঝুঁকি সহ বর্ণিত অপারেশনটিকে সহজ করে:

loc %>%
  unnest_auto(json) %>%
  unnest_auto(results) %>%
  unnest_auto(results) %>%
  unnest_auto(geometry) %>%
  unnest_auto(location)
#> Using `unnest_wider(json)`; elements have 2 names in common
#> Using `unnest_longer(results)`; no element has names
#> Using `unnest_wider(results)`; elements have 5 names in common
#> Using `unnest_wider(geometry)`; elements have 4 names in common
#> Using `unnest_wider(location)`; elements have 2 names in common
#> # A tibble: 5 x 11
#>   city  address_compone… formatted_addre… bounds   lat    lng location_type
#>   <chr> <list>           <chr>            <list> <dbl>  <dbl> <chr>        
#> 1 Hous… <list [4]>       Houston, TX, USA <name…  29.8  -95.4 APPROXIMATE  
#> 2 LA    <list [4]>       Los Angeles, CA… <name…  34.1 -118.  APPROXIMATE  
#> 3 New … <list [3]>       New York, NY, U… <name…  40.7  -74.0 APPROXIMATE  
#> 4 Chic… <list [4]>       Chicago, IL, USA <name…  41.9  -87.6 APPROXIMATE  
#> 5 Spri… <list [5]>       Springfield, MO… <name…  37.2  -93.3 APPROXIMATE  
#> # … with 4 more variables: viewport <list>, place_id <chr>, types <list>,
#> #   status <chr>

এছাড়াও আমরা প্রতিটি শহরের প্রথম ঠিকানা দেখতে পারি:

loc %>%
  unnest_wider(json) %>%
  hoist(results, first_result = 1) %>%
  unnest_wider(first_result) %>%
  unnest_wider(geometry) %>%
  unnest_wider(location)
#> # A tibble: 5 x 11
#>   city  address_compone… formatted_addre… bounds   lat    lng location_type
#>   <chr> <list>           <chr>            <list> <dbl>  <dbl> <chr>        
#> 1 Hous… <list [4]>       Houston, TX, USA <name…  29.8  -95.4 APPROXIMATE  
#> 2 LA    <list [4]>       Los Angeles, CA… <name…  34.1 -118.  APPROXIMATE  
#> 3 New … <list [3]>       New York, NY, U… <name…  40.7  -74.0 APPROXIMATE  
#> 4 Chic… <list [4]>       Chicago, IL, USA <name…  41.9  -87.6 APPROXIMATE  
#> 5 Spri… <list [5]>       Springfield, MO… <name…  37.2  -93.3 APPROXIMATE  
#> # … with 4 more variables: viewport <list>, place_id <chr>, types <list>,
#> #   status <chr>

অথবা ব্যবহার করুন hoist() একটি মাল্টি-লেভেল ডাইভের জন্য সরাসরি যেতে lat и lng.

loc %>%
  hoist(json,
    lat = list("results", 1, "geometry", "location", "lat"),
    lng = list("results", 1, "geometry", "location", "lng")
  )
#> # A tibble: 5 x 4
#>   city          lat    lng json            
#>   <chr>       <dbl>  <dbl> <list>          
#> 1 Houston      29.8  -95.4 <named list [2]>
#> 2 LA           34.1 -118.  <named list [2]>
#> 3 New York     40.7  -74.0 <named list [2]>
#> 4 Chicago      41.9  -87.6 <named list [2]>
#> 5 Springfield  37.2  -93.3 <named list [2]>

শার্লা গেলফান্ডের ডিসকোগ্রাফি

অবশেষে, আমরা সবচেয়ে জটিল কাঠামো দেখব - শার্লা গেলফান্ডের ডিসকোগ্রাফি। উপরের উদাহরণগুলির মতো, আমরা তালিকাটিকে একটি একক-কলাম ডেটা ফ্রেমে রূপান্তর করে শুরু করি এবং তারপর এটিকে প্রসারিত করি যাতে প্রতিটি উপাদান একটি পৃথক কলাম হয়। এছাড়াও আমি কলাম রূপান্তর date_added R-এ উপযুক্ত তারিখ এবং সময় বিন্যাসে।

discs <- tibble(disc = discog) %>% 
  unnest_wider(disc) %>% 
  mutate(date_added = as.POSIXct(strptime(date_added, "%Y-%m-%dT%H:%M:%S"))) 
discs
#> # A tibble: 155 x 5
#>    instance_id date_added          basic_information       id rating
#>          <int> <dttm>              <list>               <int>  <int>
#>  1   354823933 2019-02-16 17:48:59 <named list [11]>  7496378      0
#>  2   354092601 2019-02-13 14:13:11 <named list [11]>  4490852      0
#>  3   354091476 2019-02-13 14:07:23 <named list [11]>  9827276      0
#>  4   351244906 2019-02-02 11:39:58 <named list [11]>  9769203      0
#>  5   351244801 2019-02-02 11:39:37 <named list [11]>  7237138      0
#>  6   351052065 2019-02-01 20:40:53 <named list [11]> 13117042      0
#>  7   350315345 2019-01-29 15:48:37 <named list [11]>  7113575      0
#>  8   350315103 2019-01-29 15:47:22 <named list [11]> 10540713      0
#>  9   350314507 2019-01-29 15:44:08 <named list [11]> 11260950      0
#> 10   350314047 2019-01-29 15:41:35 <named list [11]> 11726853      0
#> # … with 145 more rows

এই স্তরে, শার্লার ডিস্কোগ্রাফিতে প্রতিটি ডিস্ক কখন যোগ করা হয়েছিল সে সম্পর্কে আমরা তথ্য পাই, কিন্তু আমরা সেই ডিস্কগুলি সম্পর্কে কোনও ডেটা দেখতে পাই না। এটি করার জন্য আমাদের কলামটি প্রসারিত করতে হবে basic_information:

discs %>% unnest_wider(basic_information)
#> Column name `id` must not be duplicated.
#> Use .name_repair to specify repair.

দুর্ভাগ্যবশত, আমরা একটি ত্রুটি পাব, কারণ... তালিকার ভিতরে basic_information একই নামের একটি কলাম আছে basic_information. যদি এই ধরনের একটি ত্রুটি ঘটে, দ্রুত এর কারণ নির্ধারণ করার জন্য, আপনি ব্যবহার করতে পারেন names_repair = "unique":

discs %>% unnest_wider(basic_information, names_repair = "unique")
#> New names:
#> * id -> id...6
#> * id -> id...14
#> # A tibble: 155 x 15
#>    instance_id date_added          labels  year artists id...6 thumb title
#>          <int> <dttm>              <list> <int> <list>   <int> <chr> <chr>
#>  1   354823933 2019-02-16 17:48:59 <list…  2015 <list … 7.50e6 http… Demo 
#>  2   354092601 2019-02-13 14:13:11 <list…  2013 <list … 4.49e6 http… Obse…
#>  3   354091476 2019-02-13 14:07:23 <list…  2017 <list … 9.83e6 http… I    
#>  4   351244906 2019-02-02 11:39:58 <list…  2017 <list … 9.77e6 http… Oído…
#>  5   351244801 2019-02-02 11:39:37 <list…  2015 <list … 7.24e6 http… A Ca…
#>  6   351052065 2019-02-01 20:40:53 <list…  2019 <list … 1.31e7 http… Tash…
#>  7   350315345 2019-01-29 15:48:37 <list…  2014 <list … 7.11e6 http… Demo 
#>  8   350315103 2019-01-29 15:47:22 <list…  2015 <list … 1.05e7 http… Let …
#>  9   350314507 2019-01-29 15:44:08 <list…  2017 <list … 1.13e7 ""    Sub …
#> 10   350314047 2019-01-29 15:41:35 <list…  2017 <list … 1.17e7 http… Demo 
#> # … with 145 more rows, and 7 more variables: formats <list>,
#> #   cover_image <chr>, resource_url <chr>, master_id <int>,
#> #   master_url <chr>, id...14 <int>, rating <int>

সমস্যা হল যে basic_information আইডি কলামের পুনরাবৃত্তি করে যা উপরের স্তরেও সংরক্ষিত থাকে, তাই আমরা এটিকে সরাতে পারি:

discs %>% 
  select(-id) %>% 
  unnest_wider(basic_information)
#> # A tibble: 155 x 14
#>    instance_id date_added          labels  year artists     id thumb title
#>          <int> <dttm>              <list> <int> <list>   <int> <chr> <chr>
#>  1   354823933 2019-02-16 17:48:59 <list…  2015 <list … 7.50e6 http… Demo 
#>  2   354092601 2019-02-13 14:13:11 <list…  2013 <list … 4.49e6 http… Obse…
#>  3   354091476 2019-02-13 14:07:23 <list…  2017 <list … 9.83e6 http… I    
#>  4   351244906 2019-02-02 11:39:58 <list…  2017 <list … 9.77e6 http… Oído…
#>  5   351244801 2019-02-02 11:39:37 <list…  2015 <list … 7.24e6 http… A Ca…
#>  6   351052065 2019-02-01 20:40:53 <list…  2019 <list … 1.31e7 http… Tash…
#>  7   350315345 2019-01-29 15:48:37 <list…  2014 <list … 7.11e6 http… Demo 
#>  8   350315103 2019-01-29 15:47:22 <list…  2015 <list … 1.05e7 http… Let …
#>  9   350314507 2019-01-29 15:44:08 <list…  2017 <list … 1.13e7 ""    Sub …
#> 10   350314047 2019-01-29 15:41:35 <list…  2017 <list … 1.17e7 http… Demo 
#> # … with 145 more rows, and 6 more variables: formats <list>,
#> #   cover_image <chr>, resource_url <chr>, master_id <int>,
#> #   master_url <chr>, rating <int>

বিকল্পভাবে, আমরা ব্যবহার করতে পারে hoist():

discs %>% 
  hoist(basic_information,
    title = "title",
    year = "year",
    label = list("labels", 1, "name"),
    artist = list("artists", 1, "name")
  )
#> # A tibble: 155 x 9
#>    instance_id date_added          title  year label artist
#>          <int> <dttm>              <chr> <int> <chr> <chr> 
#>  1   354823933 2019-02-16 17:48:59 Demo   2015 Tobi… Mollot
#>  2   354092601 2019-02-13 14:13:11 Obse…  2013 La V… Una B…
#>  3   354091476 2019-02-13 14:07:23 I      2017 La V… S.H.I…
#>  4   351244906 2019-02-02 11:39:58 Oído…  2017 La V… Rata …
#>  5   351244801 2019-02-02 11:39:37 A Ca…  2015 Kato… Ivy (…
#>  6   351052065 2019-02-01 20:40:53 Tash…  2019 High… Tashme
#>  7   350315345 2019-01-29 15:48:37 Demo   2014 Mind… Desgr…
#>  8   350315103 2019-01-29 15:47:22 Let …  2015 Not … Phant…
#>  9   350314507 2019-01-29 15:44:08 Sub …  2017 Not … Sub S…
#> 10   350314047 2019-01-29 15:41:35 Demo   2017 Pres… Small…
#> # … with 145 more rows, and 3 more variables: basic_information <list>,
#> #   id <int>, rating <int>

এখানে আমি নেস্টেড তালিকায় ডুব দিয়ে সূচী অনুসারে প্রথম লেবেল এবং শিল্পীর নাম দ্রুত পুনরুদ্ধার করি।

শিল্পী এবং লেবেলের জন্য পৃথক টেবিল তৈরি করা আরও নিয়মতান্ত্রিক পদ্ধতির:

discs %>% 
  hoist(basic_information, artist = "artists") %>% 
  select(disc_id = id, artist) %>% 
  unnest_longer(artist) %>% 
  unnest_wider(artist)
#> # A tibble: 167 x 8
#>     disc_id join  name        anv   tracks role  resource_url            id
#>       <int> <chr> <chr>       <chr> <chr>  <chr> <chr>                <int>
#>  1  7496378 ""    Mollot      ""    ""     ""    https://api.discog… 4.62e6
#>  2  4490852 ""    Una Bèstia… ""    ""     ""    https://api.discog… 3.19e6
#>  3  9827276 ""    S.H.I.T. (… ""    ""     ""    https://api.discog… 2.77e6
#>  4  9769203 ""    Rata Negra  ""    ""     ""    https://api.discog… 4.28e6
#>  5  7237138 ""    Ivy (18)    ""    ""     ""    https://api.discog… 3.60e6
#>  6 13117042 ""    Tashme      ""    ""     ""    https://api.discog… 5.21e6
#>  7  7113575 ""    Desgraciad… ""    ""     ""    https://api.discog… 4.45e6
#>  8 10540713 ""    Phantom He… ""    ""     ""    https://api.discog… 4.27e6
#>  9 11260950 ""    Sub Space … ""    ""     ""    https://api.discog… 5.69e6
#> 10 11726853 ""    Small Man … ""    ""     ""    https://api.discog… 6.37e6
#> # … with 157 more rows

discs %>% 
  hoist(basic_information, format = "formats") %>% 
  select(disc_id = id, format) %>% 
  unnest_longer(format) %>% 
  unnest_wider(format) %>% 
  unnest_longer(descriptions)
#> # A tibble: 280 x 5
#>     disc_id descriptions text  name     qty  
#>       <int> <chr>        <chr> <chr>    <chr>
#>  1  7496378 Numbered     Black Cassette 1    
#>  2  4490852 LP           <NA>  Vinyl    1    
#>  3  9827276 "7""        <NA>  Vinyl    1    
#>  4  9827276 45 RPM       <NA>  Vinyl    1    
#>  5  9827276 EP           <NA>  Vinyl    1    
#>  6  9769203 LP           <NA>  Vinyl    1    
#>  7  9769203 Album        <NA>  Vinyl    1    
#>  8  7237138 "7""        <NA>  Vinyl    1    
#>  9  7237138 45 RPM       <NA>  Vinyl    1    
#> 10 13117042 "7""        <NA>  Vinyl    1    
#> # … with 270 more rows

তারপরে আপনি প্রয়োজন অনুসারে মূল ডেটাসেটে তাদের সাথে যোগ দিতে পারেন।

উপসংহার

গ্রন্থাগারের মূল অংশে tidyverse একটি সাধারণ ডেটা প্রসেসিং দর্শন দ্বারা একত্রিত অনেক দরকারী প্যাকেজ অন্তর্ভুক্ত।

এই নিবন্ধে আমরা ফাংশন পরিবার পরীক্ষা unnest_*(), যা নেস্টেড তালিকা থেকে উপাদান নিষ্কাশনের সাথে কাজ করার লক্ষ্যে। এই প্যাকেজটিতে আরও অনেক দরকারী বৈশিষ্ট্য রয়েছে যা ধারণা অনুসারে ডেটা রূপান্তর করা সহজ করে তোলে পরিপাটি ডেটা.

উত্স: www.habr.com