ကိစ္စအများစုတွင်၊ API တစ်ခုမှရရှိသော တုံ့ပြန်မှုတစ်ခု သို့မဟုတ် ရှုပ်ထွေးသောသစ်ပင်ဖွဲ့စည်းပုံပါရှိသော အခြားဒေတာတစ်ခုခုဖြင့် လုပ်ဆောင်သောအခါ၊ သင်သည် JSON နှင့် XML ဖော်မတ်များနှင့် ရင်ဆိုင်ရနိုင်သည်။

ဤဖော်မတ်များသည် အားသာချက်များစွာရှိသည်- ၎င်းတို့သည် ဒေတာကို အတော်လေး ကျစ်ကျစ်လျစ်လျစ် သိမ်းဆည်းထားပြီး မလိုအပ်သော အချက်အလက်များ ထပ်ပွားခြင်းကို ရှောင်ရှားနိုင်စေပါသည်။

ဤဖော်မတ်များ၏ အားနည်းချက်မှာ ၎င်းတို့၏ လုပ်ဆောင်မှုနှင့် ခွဲခြမ်းစိတ်ဖြာမှု၏ ရှုပ်ထွေးမှုဖြစ်သည်။ ဖွဲ့စည်းပုံမရှိသောဒေတာကို တွက်ချက်မှုများတွင် အသုံးမပြုနိုင်သည့်အပြင် ၎င်းတွင် ပုံဖော်ခြင်းကိုလည်း တည်ဆောက်၍မရပါ။

ဤဆောင်းပါးသည် ထုတ်ဝေမှု၏ ကျိုးကြောင်းဆီလျော်သော အဆက်ဖြစ်သည်။ "R package tidyr နှင့် ၎င်း၏ လုပ်ဆောင်ချက်အသစ် pivot_longer နှင့် pivot_wider". ၎င်းသည် သင့်အား ပက်ကေ့ဂျ်ကို အသုံးပြု၍ ခွဲခြမ်းစိတ်ဖြာမှုဇယားပုံစံအတွက် ရင်းနှီးပြီး သင့်လျော်သော ဖွဲ့စည်းပုံမရှိသော ဒေတာဖွဲ့စည်းပုံများကို ယူဆောင်လာရန် ကူညီပေးပါမည်။ tidyrစာကြည့်တိုက်၏ အူတိုင်တွင် ပါဝင်သည်။ tidyverseနှင့်၎င်း၏လုပ်ငန်းဆောင်တာများ၏မိသားစု unnest_*().

အကြောင်းအရာ

ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်းကို စိတ်ဝင်စားပါက ကျွန်ုပ်ကို စိတ်ဝင်စားပေမည်။ ကွေးနနျးစာ и youtube က ချန်နယ်များ။ အကြောင်းအရာအများစုသည် R ဘာသာစကားအတွက် ရည်ရွယ်သည်။

1. နိဒါန်း
2. GitHub အသုံးပြုသူများ
3. Github သိုလှောင်မှုများ
4. Game of Thrones ဇာတ်ကောင်
5. Google ဖြင့် Geocoding
6. Sharla Gelfand ၏ ရှင်းလင်းချက်
7. ကောက်ချက်

နိဒါန်း

စတုဂံပုံ (ဘာသာပြန်သူ၏မှတ်ချက်၊ ဤအသုံးအနှုန်းအတွက် လုံလောက်သောဘာသာပြန်ရွေးချယ်စရာများကို ကျွန်ုပ်မတွေ့သောကြောင့် ၎င်းကိုထားခဲ့ပါမည်။) ရင်းနှီးသောအတန်းများနှင့် ကော်လံများပါရှိသော နှစ်ဖက်မြင်ဇယားတစ်ခုသို့ nested arrays များဖြင့် ဖွဲ့စည်းတည်ဆောက်ပုံမထားသောဒေတာကို ယူဆောင်ခြင်းလုပ်ငန်းစဉ်ဖြစ်သည်။ IN tidyr nested list ကော်လံများကို ချဲ့ထွင်ပြီး ဒေတာကို စတုဂံပုံစံ၊ ဇယားပုံစံသို့ လျှော့ချရန် ကူညီပေးမည့် လုပ်ဆောင်ချက်များစွာ ရှိပါသည်။

• unnest_longer() ကော်လံစာရင်း၏ဒြပ်စင်တစ်ခုစီကိုယူကာ အတန်းအသစ်တစ်ခုဖန်တီးပါ။
• unnest_wider() ကော်လံစာရင်း၏ဒြပ်စင်တစ်ခုစီကိုယူ၍ ကော်လံအသစ်တစ်ခုဖန်တီးပါ။
• unnest_auto() မည်သည့်လုပ်ဆောင်ချက်ကို အသုံးပြုရန် အကောင်းဆုံးကို အလိုအလျောက် ဆုံးဖြတ်ပေးသည်။
  unnest_longer() သို့မဟုတ် unnest_wider().
• hoist() အလားတူ unnest_wider() သို့သော် သတ်မှတ်ထားသော အစိတ်အပိုင်းများကိုသာ ရွေးချယ်ပြီး nesting အဆင့်များစွာဖြင့် လုပ်ဆောင်နိုင်သည်။

နှစ်ဘက်မြင်ဇယားတစ်ခုသို့ အသိုက်အမြုပ်အဆင့်များစွာဖြင့် ဖွဲ့စည်းတည်ဆောက်ပုံမထားသောဒေတာကို ယူဆောင်လာခြင်းနှင့်ဆက်စပ်နေသော ပြဿနာအများစုကို dplyr နှင့် စာရင်းပြုစုထားသောလုပ်ဆောင်ချက်များကို ပေါင်းစပ်ခြင်းဖြင့် ဖြေရှင်းနိုင်ပါသည်။

ဤနည်းပညာများကို သရုပ်ပြရန်၊ ကျွန်ုပ်တို့သည် အထုပ်ကို အသုံးပြုပါမည်။ repurrrsiveဝဘ် API တစ်ခုမှ ဆင်းသက်လာသော ရှုပ်ထွေးပြီး အဆင့်ပေါင်းများစွာ စာရင်းများကို ပံ့ပိုးပေးသော၊

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

GitHub အသုံးပြုသူများ

အတူစတင် gh_အသုံးပြုသူများGitHub အသုံးပြုသူ ခြောက်ဦးနှင့်ပတ်သက်သော အချက်အလက်များပါရှိသော စာရင်း။ အရင်ဆုံး စာရင်းကို အသွင်ပြောင်းကြည့်ရအောင် gh_အသုံးပြုသူများ в တုတ် ဘောင်-

users <-   tibble( user = gh_users ) 

၎င်းသည် အနည်းငယ် တန်ပြန်ဟန်ဆောင်ပုံရသည်- အဘယ်ကြောင့် စာရင်းပေးသနည်း။ gh_အသုံးပြုသူများပိုမိုရှုပ်ထွေးသောဒေတာဖွဲ့စည်းပုံသို့? သို့သော် ဒေတာဘောင်တစ်ခုတွင် ကြီးမားသောအားသာချက်တစ်ခုရှိသည်- ၎င်းသည် vector အများအပြားကိုပေါင်းစပ်ထားသောကြောင့် အရာခပ်သိမ်းကို အရာဝတ္ထုတစ်ခုတည်းတွင် ခြေရာခံနိုင်မည်ဖြစ်သည်။

အရာဝတ္တုတစ်ခုစီ users အစိတ်အပိုင်းတစ်ခုစီသည် ကော်လံတစ်ခုစီကို ကိုယ်စားပြုသည့် အမည်စာရင်းတစ်ခုဖြစ်သည်။

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"

စာရင်းအစိတ်အပိုင်းများကို ကော်လံများအဖြစ်သို့ ပြောင်းလဲရန် နည်းလမ်းနှစ်ခုရှိသည်။ unnest_wider() အစိတ်အပိုင်းတစ်ခုစီကိုယူပြီး ကော်လံအသစ်တစ်ခုကို ဖန်တီးပါ-

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>

ဤကိစ္စတွင်၊ ကျွန်ုပ်တို့တွင် ကော်လံ 30 ပါ၀င်သော ဇယားတစ်ခုရှိပြီး ၎င်းတို့အများစုကို ကျွန်ုပ်တို့ မလိုအပ်ပါ၊ ထို့ကြောင့် ကျွန်ုပ်တို့သည် အစားစားနိုင်ပါသည်။ unnest_wider() သုံးစွဲဖို့ hoist(). hoist() တူညီသော syntax ကို အသုံးပြု၍ ရွေးချယ်ထားသော အစိတ်အပိုင်းများကို ထုတ်ယူနိုင်စေပါသည်။ 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() သတ်မှတ်ထားသော အမည်ရှိ အစိတ်အပိုင်းများကို ကော်လံစာရင်းမှ ဖယ်ရှားသည်။ အသုံးပြုသူကိုဒါကြောင့်သင်စဉ်းစားနိုင်ပါတယ်။ hoist() ရက်စွဲဘောင်တစ်ခု၏ အတွင်းပိုင်းစာရင်းမှ အစိတ်အပိုင်းများကို ၎င်း၏ထိပ်တန်းအဆင့်သို့ ရွှေ့သလိုမျိုး။

Github သိုလှောင်မှုများ

စာရင်း ချိန်ညှိခြင်း။ gh_repos ကျွန်ုပ်တို့သည် ၎င်းကို ပြောင်းလဲခြင်းဖြင့် အလားတူစတင်ပါသည်။ 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]>

ဒီတစ်ခါတော့ ဒြပ်စင် အသုံးပြုသူကို ဤအသုံးပြုသူပိုင်ဆိုင်သော သိုလှောင်ခန်းများစာရင်းကို ကိုယ်စားပြုသည်။ repository တစ်ခုစီသည် သီးခြားလေ့လာချက်တစ်ခုဖြစ်သောကြောင့် သပ်ရပ်သော data ၏သဘောတရားအတိုင်းဖြစ်သည်။ (အနီးစပ်ဆုံး သပ်ရပ်သော အချက်အလက်) ၎င်းတို့သည် လိုင်းအသစ်များဖြစ်လာသင့်သောကြောင့် ကျွန်ုပ်တို့အသုံးပြုရခြင်းဖြစ်ပါသည်။ unnest_longer() ဒါပေမယ့်မဟုတ်ပါဘူး 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

ယခုကျွန်ုပ်တို့အသုံးပြုနိုင်ပါသည်။ unnest_wider() သို့မဟုတ် 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

အသုံးပြုမှုကိုသတိထားပါ c("owner", "login"): ၎င်းသည် ကျွန်ုပ်တို့အား nested list တစ်ခုမှ ဒုတိယအဆင့်တန်ဖိုးကို ရရှိစေပါသည်။ owner. အခြားနည်းလမ်းတစ်ခုသည် စာရင်းတစ်ခုလုံးကို ရယူရန်ဖြစ်သည်။ owner ထို့နောက် function ကိုအသုံးပြုပါ။ unnest_wider() ၎င်း၏အစိတ်အပိုင်းတစ်ခုစီကို ကော်လံတစ်ခုထဲသို့ ထည့်ပါ-

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>

မှန်ကန်တဲ့လုပ်ဆောင်ချက်ကို ရွေးချယ်ဖို့ စဉ်းစားမယ့်အစား unnest_longer() သို့မဟုတ် unnest_wider() သင်သုံးနိုင်သည်။ unnest_auto(). ဤလုပ်ဆောင်ချက်သည် ဒေတာကိုပြောင်းလဲရန်အတွက် အသင့်တော်ဆုံးလုပ်ဆောင်ချက်ကိုရွေးချယ်ရန်အတွက် heuristic နည်းလမ်းများစွာကို အသုံးပြုပြီး ရွေးချယ်ထားသောနည်းလမ်းအကြောင်း မက်ဆေ့ချ်ကို ပြသပေးပါသည်။

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>

Game of Thrones ဇာတ်ကောင်

got_chars တူညီသောဖွဲ့စည်းပုံရှိသည်။ gh_users: ၎င်းသည် Game of Thrones ဇာတ်ကောင်၏ အရည်အချင်းအချို့ကို ဖော်ပြထားသည့် အတွင်းပိုင်းစာရင်း၏ အစိတ်အပိုင်းတစ်ခုစီတွင် အမည်ပေးထားသောစာရင်းများဖြစ်သည်။ ယူဆောင်လာသည်။ got_chars ဇယားမြင်ကွင်းအတွက်၊ ကျွန်ုပ်တို့သည် ယခင်နမူနာများတွင်ကဲ့သို့ ရက်စွဲဘောင်တစ်ခုဖန်တီးခြင်းဖြင့် စတင်ပြီး ဒြပ်စင်တစ်ခုစီကို သီးခြားကော်လံအဖြစ်သို့ ပြောင်းလိုက်ပါ-

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>

ဖွဲ့စည်းပုံမှာ got_chars ထက် အနည်းငယ် ပိုခက်သည်။ gh_users, ဘာဖြစ်လို့လဲဆိုတော့ စာရင်းအစိတ်အပိုင်းအချို့ char ၎င်းတို့သည် စာရင်းတစ်ခုဖြစ်သောကြောင့် ကျွန်ုပ်တို့သည် တိုင်များရရှိသည် - စာရင်းများ။

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

သင်၏ နောက်ထပ်လုပ်ဆောင်မှုများသည် ခွဲခြမ်းစိတ်ဖြာမှု၏ ပန်းတိုင်များပေါ်တွင် မူတည်သည်။ ဇာတ်ကောင်ပေါ်လာသည့် စာအုပ်နှင့် စီးရီးတစ်ခုစီအတွက် အချက်အလက်များကို မျဉ်းကြောင်းများပေါ်တွင် သင်ထည့်ထားရန် လိုအပ်ကောင်းဖြစ်နိုင်သည်-

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

ဒါမှမဟုတ် ဇာတ်ကောင်နဲ့ အလုပ်နဲ့ ကိုက်ညီအောင် လုပ်နိုင်တဲ့ ဇယားတစ်ခုကို ဖန်တီးချင်တာ ဖြစ်နိုင်တယ်။

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

(အလွတ်တန်ဖိုးများကို သတိပြုပါ။ "" လယ်၌ title၎င်းသည် ဒေတာအတွင်းသို့ ဝင်ရောက်သောအခါတွင် ပြုလုပ်ခဲ့သော အမှားများကြောင့် ဖြစ်သည်။ got_chars: အမှန်မှာ၊ နယ်ပယ်တွင် သက်ဆိုင်ရာ စာအုပ်နှင့် တီဗီစီးရီးခေါင်းစဉ်များ မရှိသည့် ဇာတ်ကောင်များ title အလျား 0 ၏ vector တစ်ခုရှိရမည်၊ အရှည် 1 ၏ vector မဟုတ်ဘဲ string အလွတ်ပါရှိသည်။)

လုပ်ဆောင်ချက်ကို အသုံးပြု၍ အထက်ဖော်ပြပါ ဥပမာကို ကျွန်ုပ်တို့ ပြန်လည်ရေးသားနိုင်ပါသည်။ unnest_auto(). ဤချဉ်းကပ်မှုသည် တစ်ကြိမ်ခွဲခြမ်းစိတ်ဖြာမှုအတွက် အဆင်ပြေသော်လည်း သင်အားကိုးမနေသင့်ပါ။ unnest_auto() ပုံမှန်အသုံးပြုရန်။ အဓိကအချက်က သင့်ဒေတာတည်ဆောက်ပုံ ပြောင်းလဲလာပါက unnest_auto() ကနဦးစာရင်းကော်လံများကို အသုံးပြု၍ အတန်းများအဖြစ် ချဲ့ထွင်ပါက ရွေးချယ်ထားသော ဒေတာအသွင်ပြောင်းသည့် ယန္တရားကို ပြောင်းလဲနိုင်သည်။ unnest_longer()ထို့နောက် ဝင်လာသောဒေတာ၏ဖွဲ့စည်းပုံသည် ပြောင်းလဲသွားသောအခါတွင်၊ ယုတ္တိဗေဒသဘောအရ ပြောင်းလဲနိုင်သည်။ unnest_wider()၊ ဤနည်းလမ်းကို ဆက်လက်အသုံးပြုခြင်းဖြင့် မမျှော်လင့်ထားသော အမှားများကို ဖြစ်ပေါ်စေနိုင်သည်။

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

Google ဖြင့် Geocoding

ထို့နောက်၊ Google ၏ geocoding ဝန်ဆောင်မှုမှရရှိသော ဒေတာများ၏ ပိုမိုရှုပ်ထွေးသော ဖွဲ့စည်းပုံကို ကြည့်ပါမည်။ Caching credentials များသည် Google maps API နှင့် လုပ်ဆောင်ခြင်း၏ စည်းမျဉ်းများကို ဆန့်ကျင်သောကြောင့် API ပတ်လည်တွင် ရိုးရှင်းသော wrapper တစ်ခုကို အရင်ရေးပါမည်။ Google Maps API သော့ကို ပတ်၀န်းကျင် ပြောင်းလဲနိုင်သော ပုံစံတစ်ခုတွင် သိမ်းဆည်းခြင်းအပေါ် အခြေခံသည်။ သင့်ပတ်ဝန်းကျင်တွင် သိမ်းဆည်းထားသည့် Google Maps API နှင့် လုပ်ဆောင်ရန် သော့မရှိပါက၊ ဤကဏ္ဍတွင် ဖော်ပြထားသော ကုဒ်အပိုင်းအစများကို လုပ်ဆောင်မည်မဟုတ်ပါ။

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)
}

ဤလုပ်ဆောင်ချက်ကို ပြန်ပေးသည့်စာရင်းသည် အလွန်ရှုပ်ထွေးသည်-

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"

ကံကောင်းထောက်မစွာ၊ လုပ်ဆောင်ချက်များကို အသုံးပြု၍ ဤဒေတာကို ဇယားကွက်ပုံစံသို့ အဆင့်ဆင့်ပြောင်းလဲခြင်းဆိုင်ရာ ပြဿနာကို ကျွန်ုပ်တို့ ဖြေရှင်းနိုင်ပါသည်။ tidyr. အလုပ်အနည်းငယ်ပို၍ စိန်ခေါ်မှုနှင့် လက်တွေ့ကျစေရန်၊ မြို့အချို့ကို ဘူမိကုဒ်ဖြင့် စတင်ပါမည်။

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

ရလာတဲ့ရလဒ်ကို ငါပြောင်းမယ်။ tibbleအဆင်ပြေစေရန်အတွက် သက်ဆိုင်ရာမြို့အမည်ဖြင့် ကော်လံတစ်ခုကို ထည့်ပေးပါမည်။

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]>

ပထမအဆင့်တွင် အစိတ်အပိုင်းများ ပါဝင်ပါသည်။ status и resultချဲ့ထွင်နိုင်သော၊ 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

မှတ်ရန် results အဆင့်များစွာရှိသော စာရင်းတစ်ခုဖြစ်သည်။ မြို့အများစုတွင် ဒြပ်စင် 1 ခုရှိသည် (geocoding API နှင့် သက်ဆိုင်သည့် ထူးခြားသောတန်ဖိုးကို ကိုယ်စားပြုသည်)၊ သို့သော် Springfield တွင် နှစ်ခုရှိသည်။ ငါတို့သည်သူတို့ကိုသီးခြားလိုင်းများနှင့်အတူဆွဲယူနိုင်ပါတယ်။ 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

ယခု ၎င်းတို့အားလုံးတွင် တူညီသော အစိတ်အပိုင်းများကို အသုံးပြု၍ စစ်ဆေးနိုင်ပြီဖြစ်သည်။ 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

စာရင်းကို ချဲ့ထွင်ခြင်းဖြင့် မြို့တစ်ခုစီ၏ လတ္တီတွဒ်နှင့် လောင်ဂျီတွဒ် သြဒိနိတ်များကို ရှာဖွေနိုင်သည်။ 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>

ပြီးရင် ချဲ့ထွင်ရမယ့် တည်နေရာ 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>

တိုင်ပြန်တယ်၊ unnest_auto() အဝင်ဒေတာ၏ ဖွဲ့စည်းပုံကို ပြောင်းလဲခြင်းကြောင့် ဖြစ်ပေါ်လာနိုင်သည့် အန္တရာယ်အချို့ဖြင့် ဖော်ပြထားသော လုပ်ဆောင်ချက်ကို ရိုးရှင်းစေသည်-

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>

မြို့တိုင်းအတွက် ပထမဆုံးလိပ်စာကိုလည်း ကြည့်နိုင်သည်-

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>

သို့မဟုတ် သုံးပါ။ hoist() Multi-level dive သို့ တိုက်ရိုက်သွားရန်အတွက် 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]>

Sharla Gelfand ၏ ရှင်းလင်းချက်

နောက်ဆုံးအနေနဲ့ Sharla Gelfand ရဲ့ အရှုပ်ထွေးဆုံးဖွဲ့စည်းပုံကို လေ့လာကြည့်ပါမယ်။ အထက်ဖော်ပြပါနမူနာများတွင်ကဲ့သို့၊ ကျွန်ုပ်တို့သည် စာရင်းကို ကော်လံတစ်ခုတည်းဒေတာဘောင်အဖြစ်သို့ ပြောင်းလဲခြင်းဖြင့် စတင်ကာ အစိတ်အပိုင်းတစ်ခုစီသည် သီးခြားကော်လံတစ်ခုအဖြစ်သို့ ချဲ့ထွင်ရန် ၎င်းကို စတင်သည်။ ကော်လံကိုလည်း အသွင်ပြောင်းလိုက်တယ်။ date_added R တွင် သင့်လျော်သော ရက်စွဲနှင့် အချိန်ဖော်မတ်သို့

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

ဤအဆင့်တွင်၊ Sharla ၏ discography တွင် disc တစ်ခုစီကို ထည့်လိုက်သည့်အခါ အချက်အလက်ကို ကျွန်ုပ်တို့ရရှိသော်လည်း ထို discs များနှင့်ပတ်သက်သော မည်သည့်ဒေတာကိုမျှ ကျွန်ုပ်တို့မတွေ့ပါ။ ဒါကိုလုပ်ဖို့ ကော်လံကို ချဲ့ရမယ်။ basic_information:

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

ကံမကောင်းစွာပဲ၊ အမှားတစ်ခုလက်ခံရရှိမည်ဖြစ်သောကြောင့်... စာရင်းထဲမှာ basic_information နာမည်တူကော်လံတစ်ခုရှိတယ်။ basic_information. ထိုသို့သော အမှားတစ်ခု ဖြစ်ပေါ်လာပါက ၎င်း၏ အကြောင်းရင်းကို လျင်မြန်စွာ ဆုံးဖြတ်နိုင်ရန် သင်သည် အသုံးပြုနိုင်သည်။ 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>

ပြဿနာကအဲဒါပဲ basic_information ထိပ်တန်းအဆင့်တွင် သိမ်းဆည်းထားသည့် အိုင်ဒီကော်လံကို ပြန်လုပ်သည့်အတွက် ၎င်းကို ကျွန်ုပ်တို့ ရိုးရှင်းစွာ ဖယ်ရှားနိုင်သည်-

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>

တနည်းအားဖြင့် သုံးလို့ရတယ်။ 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>

ဤနေရာတွင် ကျွန်ုပ်သည် အသိုက်အဝန်းစာရင်းထဲသို့ တိုးဝင်ခြင်းဖြင့် ပထမဆုံး အညွှန်းနှင့် အနုပညာရှင်အမည်ကို အညွှန်းဖြင့် အမြန်ပြန်ယူပါသည်။

ပိုမိုစနစ်တကျချဉ်းကပ်မှုမှာ အနုပညာရှင်နှင့် အညွှန်းအတွက် သီးခြားဇယားများ ဖန်တီးရန်ဖြစ်သည်-

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

ထို့နောက် လိုအပ်သလို ၎င်းတို့ကို မူရင်းဒေတာအတွဲသို့ ပြန်လည်ရောက်ရှိနိုင်ပါသည်။

ကောက်ချက်

စာကြည့်​တိုက်​ရဲ့အ​ခြေအ​နေကို tidyverse ဘုံဒေတာလုပ်ဆောင်ခြင်းခံယူချက်ဖြင့် ပေါင်းစပ်ထားသော အသုံးဝင်သော ပက်ကေ့ဂျ်များစွာ ပါဝင်သည်။

ဤဆောင်းပါးတွင် ကျွန်ုပ်တို့သည် လုပ်ဆောင်ချက်များ၏ မိသားစုကို ဆန်းစစ်ထားသည်။ unnest_*()nested lists မှ အစိတ်အပိုင်းများကို ထုတ်ယူခြင်းဖြင့် လုပ်ဆောင်ရန် ရည်ရွယ်သည်။ ဤပက်ကေ့ဂျ်တွင် အယူအဆအရ ဒေတာကို ပိုမိုလွယ်ကူစွာ ပြောင်းနိုင်စေသည့် အခြားအသုံးဝင်သော အင်္ဂါရပ်များစွာ ပါရှိသည်။ သပ်ရပ်သောဒေတာ.

source: www.habr.com