प्रायजसो अवस्थामा, API बाट प्राप्त प्रतिक्रिया वा जटिल रूख संरचना भएको कुनै अन्य डेटासँग काम गर्दा, तपाइँ JSON र XML ढाँचाहरूको सामना गर्नुहुन्छ।

यी ढाँचाहरूमा धेरै फाइदाहरू छन्: तिनीहरूले डाटालाई एकदम कम्प्याक्ट रूपमा भण्डारण गर्छन् र तपाईंलाई जानकारीको अनावश्यक नक्कलबाट बच्न अनुमति दिन्छ।

यी ढाँचाहरूको हानि तिनीहरूको प्रशोधन र विश्लेषणको जटिलता हो। अव्यवस्थित डाटा गणनामा प्रयोग गर्न सकिँदैन र त्यसमा दृश्य निर्माण गर्न सकिँदैन।

यो लेख प्रकाशनको तार्किक निरन्तरता हो "R प्याकेज tidyr र यसको नयाँ प्रकार्यहरू pivot_longer र pivot_wider"। यसले तपाईंलाई प्याकेजको प्रयोग गरेर अव्यवस्थित डाटा संरचनाहरूलाई परिचित र विश्लेषण तालिकाको रूपमा उपयुक्त बनाउन मद्दत गर्नेछ। tidyr, पुस्तकालय को कोर मा समावेश tidyverse, र यसको कार्यहरूको परिवार unnest_*().

सामग्रीहरू

यदि तपाइँ डेटा विश्लेषणमा रुचि राख्नुहुन्छ भने, तपाइँ मेरो मा रुचि राख्न सक्नुहुन्छ टेलीग्राम и YouTube च्यानलहरू। अधिकांश सामग्री आर भाषामा समर्पित छ।

1. परिचय
2. GitHub प्रयोगकर्ताहरू
3. Github भण्डारहरू
4. गेम अफ थ्रोन्सका पात्रहरू
5. गुगलसँग जियोकोडिङ
6. Sharla Gelfand को डिस्कोग्राफी
7. निष्कर्षमा

परिचय

आयताकार (अनुवादकको टिप्पणी, मैले यो शब्दको लागि पर्याप्त अनुवाद विकल्पहरू फेला पारेन, त्यसैले हामी यसलाई त्यस्तै छोड्नेछौं।) परिचित पङ्क्तिहरू र स्तम्भहरू मिलेर बनेको दुई-आयामी तालिकामा नेस्टेड एरेहरूसँग असंरचित डेटा ल्याउने प्रक्रिया हो। IN tidyr त्यहाँ धेरै प्रकार्यहरू छन् जसले तपाईंलाई नेस्टेड सूची स्तम्भहरू विस्तार गर्न र डेटालाई आयताकार, ट्याबुलर फारममा घटाउन मद्दत गर्दछ:

• unnest_longer() स्तम्भ सूचीको प्रत्येक तत्व लिन्छ र नयाँ पङ्क्ति सिर्जना गर्दछ।
• unnest_wider() स्तम्भ सूचीको प्रत्येक तत्व लिन्छ र नयाँ स्तम्भ सिर्जना गर्दछ।
• unnest_auto() कुन प्रकार्य प्रयोग गर्न उत्तम छ स्वचालित रूपमा निर्धारण गर्दछ
  unnest_longer() वा unnest_wider().
• hoist() जस्तै unnest_wider() तर निर्दिष्ट कम्पोनेन्टहरू मात्र चयन गर्दछ र तपाईंलाई नेस्टिङका ​​धेरै स्तरहरूसँग काम गर्न अनुमति दिन्छ।

दुई-आयामी तालिकामा नेस्टिङका ​​धेरै स्तरहरू सहित असंरचित डेटा ल्याउन सम्बन्धित धेरै जसो समस्याहरू dplyr सँग सूचीबद्ध कार्यहरू संयोजन गरेर समाधान गर्न सकिन्छ।

यी प्रविधिहरू प्रदर्शन गर्न, हामी प्याकेज प्रयोग गर्नेछौं repurrrsive, जसले वेब API बाट व्युत्पन्न धेरै जटिल, बहु-स्तर सूचीहरू प्रदान गर्दछ।

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

GitHub प्रयोगकर्ताहरू

सुरु गर्नुहोस् gh_users, छ GitHub प्रयोगकर्ताहरूको बारेमा जानकारी समावेश गर्ने सूची। पहिले सूची परिवर्तन गरौं gh_users в टिबल फ्रेम:

users <-   tibble( user = gh_users ) 

यो अलिकति विरोधात्मक देखिन्छ: किन सूची प्रदान गर्नुहोस् gh_users, थप जटिल डाटा संरचनामा? तर डेटा फ्रेमको ठूलो फाइदा छ: यसले धेरै भेक्टरहरू संयोजन गर्दछ ताकि सबै कुरा एउटै वस्तुमा ट्र्याक हुन्छ।

प्रत्येक वस्तु तत्व users नामित सूची हो जसमा प्रत्येक तत्वले स्तम्भ प्रतिनिधित्व गर्दछ।

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"

स्तम्भहरूमा सूची घटकहरू बदल्ने दुई तरिकाहरू छन्। unnest_wider() प्रत्येक कम्पोनेन्ट लिन्छ र नयाँ स्तम्भ सिर्जना गर्दछ:

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>

यस अवस्थामा, हामीसँग 30 स्तम्भहरू समावेश भएको तालिका छ, र हामीलाई तिनीहरूमध्ये धेरैको आवश्यकता पर्दैन, त्यसैले हामी यसको सट्टा गर्न सक्छौं unnest_wider() प्रयोग गर्नुहोस् hoist(). hoist() हामीलाई उही सिन्ट्याक्स प्रयोग गरेर चयन गरिएका घटकहरू निकाल्न अनुमति दिन्छ 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() स्तम्भ सूचीबाट निर्दिष्ट नाम कम्पोनेन्टहरू हटाउँछ प्रयोगकर्तात्यसैले तपाईं विचार गर्न सक्नुहुन्छ hoist() मिति फ्रेमको आन्तरिक सूचीबाट कम्पोनेन्टहरू यसको शीर्ष स्तरमा सार्नु जस्तै।

Github भण्डारहरू

सूची पङ्क्तिबद्धता gh_repos हामी यसलाई रूपान्तरण गरेर समान रूपमा सुरु गर्छौं 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]>

यस पटक तत्वहरू प्रयोगकर्ता यस प्रयोगकर्ताको स्वामित्वमा रहेको भण्डारहरूको सूची प्रतिनिधित्व गर्नुहोस्। प्रत्येक भण्डार एक अलग अवलोकन हो, त्यसैले सफा डाटा को अवधारणा अनुसार (लगभग सफा डाटा) तिनीहरू नयाँ लाइनहरू बन्नुपर्दछ, त्यसैले हामी प्रयोग गर्छौं unnest_longer() तर होइन 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

अब हामी प्रयोग गर्न सक्छौं unnest_wider() वा 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

उपयोग मा ध्यान दिनुहोस् c("owner", "login"): यसले हामीलाई नेस्टेड सूचीबाट दोस्रो स्तरको मान प्राप्त गर्न अनुमति दिन्छ owner। एक वैकल्पिक दृष्टिकोण सम्पूर्ण सूची प्राप्त गर्न को लागी छ owner र त्यसपछि प्रकार्य प्रयोग गरेर unnest_wider() यसको प्रत्येक तत्वलाई स्तम्भमा राख्नुहोस्:

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>

सही प्रकार्य छनौट गर्ने बारे सोच्नुको सट्टा unnest_longer() वा unnest_wider() तिमीले प्रयोग गर्न सक्छौ unnest_auto()। यस प्रकार्यले डेटा रूपान्तरणको लागि सबैभन्दा उपयुक्त प्रकार्य चयन गर्न धेरै अनुमानित विधिहरू प्रयोग गर्दछ, र छनौट गरिएको विधिको बारेमा सन्देश प्रदर्शन गर्दछ।

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>

गेम अफ थ्रोन्सका पात्रहरू

got_chars को समान संरचना छ gh_users: यो नामित सूचीहरूको सेट हो, जहाँ भित्री सूचीको प्रत्येक तत्वले गेम अफ थ्रोन्स क्यारेक्टरको केही विशेषताहरू वर्णन गर्दछ। ल्याउँदै got_chars तालिका दृश्यको लागि, हामी अघिल्लो उदाहरणहरूमा जस्तै, मिति फ्रेम सिर्जना गरेर सुरु गर्छौं, र त्यसपछि प्रत्येक तत्वलाई छुट्टै स्तम्भमा रूपान्तरण गर्छौं:

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>

संरचना got_chars भन्दा अलि गाह्रो gh_users, किनभने केही सूची घटकहरू char आफैं एक सूची हो, नतिजाको रूपमा हामीले स्तम्भहरू पाउँछौं - सूचीहरू:

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

तपाईंको थप कार्यहरू विश्लेषणको लक्ष्यहरूमा निर्भर गर्दछ। सायद तपाईंले प्रत्येक पुस्तक र शृङ्खलाको लागि रेखाहरूमा जानकारी राख्न आवश्यक छ जसमा क्यारेक्टर देखिन्छ:

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

वा हुनसक्छ तपाइँ एउटा तालिका सिर्जना गर्न चाहानुहुन्छ जसले तपाइँलाई क्यारेक्टर र कामसँग मेल खाने अनुमति दिन्छ:

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

(खाली मानहरू नोट गर्नुहोस् "" क्षेत्र मा title, यो डाटा प्रविष्ट गर्दा भएको त्रुटिहरूको कारण हो got_chars: वास्तवमा, क्यारेक्टरहरू जसका लागि फिल्डमा कुनै सम्बन्धित पुस्तक र टिभी श्रृंखला शीर्षकहरू छैनन् title लम्बाइ ० को भेक्टर हुनुपर्छ, खाली स्ट्रिङ भएको लम्बाइ 0 को भेक्टर होइन।)

हामी प्रकार्य प्रयोग गरेर माथिको उदाहरण पुन: लेख्न सक्छौं unnest_auto()। यो दृष्टिकोण एक-पटक विश्लेषणको लागि सुविधाजनक छ, तर तपाईंले भर पर्नु हुँदैन unnest_auto() नियमित रूपमा प्रयोगको लागि। बिन्दु यो हो कि यदि तपाईंको डाटा संरचना परिवर्तन हुन्छ unnest_auto() यदि यसले प्रारम्भिक रूपमा सूची स्तम्भहरू प्रयोग गरेर पङ्क्तिहरूमा विस्तार गर्यो भने चयन गरिएको डेटा रूपान्तरण संयन्त्र परिवर्तन गर्न सक्छ unnest_longer(), त्यसपछि जब आगमन डाटाको संरचना परिवर्तन हुन्छ, तर्क पक्षमा परिवर्तन गर्न सकिन्छ unnest_wider(), र निरन्तर आधारमा यो दृष्टिकोण प्रयोग गर्नाले अप्रत्याशित त्रुटिहरू निम्त्याउन सक्छ।

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

गुगलसँग जियोकोडिङ

अर्को, हामी Google को जियोकोडिङ सेवाबाट प्राप्त डाटाको थप जटिल संरचना हेर्नेछौं। क्यासिङ प्रमाणहरू गुगल नक्सा एपीआईसँग काम गर्ने नियमहरू विरुद्ध हो, त्यसैले म पहिले एपीआई वरिपरि एउटा साधारण र्यापर लेख्नेछु। जुन वातावरण चरमा Google नक्सा API कुञ्जी भण्डारणमा आधारित छ; यदि तपाइँसँग तपाइँको वातावरण चरहरूमा भण्डार गरिएको Google नक्सा API सँग काम गर्ने कुञ्जी छैन भने, यस खण्डमा प्रस्तुत गरिएको कोड टुक्राहरू कार्यान्वयन गरिने छैन।

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)
}

यस प्रकार्यले फर्काउने सूची एकदम जटिल छ:

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"

सौभाग्यवश, हामी यस डेटालाई कार्यहरू प्रयोग गरेर चरणबद्ध रूपमा तालिका फारममा रूपान्तरण गर्ने समस्या समाधान गर्न सक्छौं tidyr। कार्यलाई अलि बढी चुनौतीपूर्ण र यथार्थपरक बनाउनको लागि, म केही शहरहरू जियोकोडिङ गरेर सुरु गर्नेछु:

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

म नतिजामा परिणत गर्नेछु tibble, सुविधाको लागि, म सम्बन्धित शहरको नामको साथ स्तम्भ थप्नेछु।

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]>

पहिलो स्तरमा कम्पोनेन्टहरू छन् status и resultजसलाई हामी विस्तार गर्न सक्छौं 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

त्यो नोट गर्नुहोस् results बहु-स्तरीय सूची हो। धेरैजसो शहरहरूमा 1 तत्वहरू छन् (जियोकोडिङ API सँग सम्बन्धित अद्वितीय मानको प्रतिनिधित्व गर्ने), तर स्प्रिङफिल्डमा दुईवटा छन्। हामी तिनीहरूलाई अलग लाइनहरूमा तान्न सक्छौं 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

अब तिनीहरू सबैसँग समान कम्पोनेन्टहरू छन्, जुन प्रयोग गरेर प्रमाणित गर्न सकिन्छ 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

हामी सूची विस्तार गरेर प्रत्येक शहरको अक्षांश र देशान्तर समन्वयहरू फेला पार्न सक्छौं 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>

र त्यसपछि स्थान जसको लागि तपाइँ विस्तार गर्न आवश्यक छ 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>

फेरि पनि, unnest_auto() आगमन डेटाको संरचना परिवर्तन गर्दा हुन सक्ने केही जोखिमहरूसँग वर्णन गरिएको अपरेशनलाई सरल बनाउँछ:

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>

हामी प्रत्येक शहरको लागि पहिलो ठेगाना पनि हेर्न सक्छौं:

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>

वा प्रयोग गर्नुहोस् hoist() सिधै जानको लागि बहु-स्तर डाइभको लागि 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 को डिस्कोग्राफी

अन्तमा, हामी सबैभन्दा जटिल संरचना हेर्नेछौं - Sharla Gelfand को डिस्कोग्राफी। माथिका उदाहरणहरूमा जस्तै, हामी सूचीलाई एकल-स्तम्भ डाटा फ्रेममा रूपान्तरण गरेर सुरु गर्छौं, र त्यसपछि यसलाई विस्तार गर्छौं ताकि प्रत्येक कम्पोनेन्ट छुट्टै स्तम्भ होस्। म पनि स्तम्भ रूपान्तरण गर्छु date_added R मा उपयुक्त मिति र समय ढाँचामा।

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

यस स्तरमा, हामी शार्लाको डिस्कोग्राफीमा प्रत्येक डिस्क कहिले थपिएको थियो भन्ने बारे जानकारी पाउँछौं, तर हामीले ती डिस्कहरूको बारेमा कुनै डाटा देख्दैनौं। यो गर्नको लागि हामीले स्तम्भ विस्तार गर्न आवश्यक छ basic_information:

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

दुर्भाग्यवश, हामीले त्रुटि प्राप्त गर्नेछौं, किनभने... सूची भित्र basic_information त्यही नामको स्तम्भ छ basic_information। यदि यस्तो त्रुटि हुन्छ, चाँडै यसको कारण निर्धारण गर्न, तपाईं प्रयोग गर्न सक्नुहुन्छ 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>

समस्या यही हो basic_information आईडी स्तम्भ दोहोर्याउँछ जुन शीर्ष स्तरमा पनि भण्डार गरिएको छ, त्यसैले हामी यसलाई हटाउन सक्छौं:

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>

वैकल्पिक रूपमा, हामी प्रयोग गर्न सक्छौं 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>

यहाँ म नेस्टेड सूचीमा डाइभिङ गरेर अनुक्रमणिकाद्वारा पहिलो लेबल र कलाकारको नाम द्रुत रूपमा पुनःप्राप्त गर्छु।

थप व्यवस्थित दृष्टिकोण कलाकार र लेबलको लागि छुट्टै तालिकाहरू सिर्जना गर्नु हो:

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

त्यसपछि तपाइँ तिनीहरूलाई आवश्यक रूपमा मूल डेटासेटमा जोड्न सक्नुहुन्छ।

निष्कर्षमा

पुस्तकालयको मूल भागमा tidyverse धेरै उपयोगी प्याकेजहरू एक साझा डेटा प्रशोधन दर्शनद्वारा एकजुट हुन्छन्।

यस लेखमा हामीले कार्यहरूको परिवारको जाँच गर्यौं unnest_*(), जसको उद्देश्य नेस्टेड सूचीहरूबाट तत्वहरू निकाल्नेसँग काम गर्ने हो। यो प्याकेजले धेरै अन्य उपयोगी सुविधाहरू समावेश गर्दछ जसले यसलाई अवधारणा अनुसार डेटा रूपान्तरण गर्न सजिलो बनाउँछ व्यवस्थित डाटा.

स्रोत: www.habr.com