R：既存のデータフレーム内のデータフレームの列を展開

jsonlite::fromJSONを使用して、JSON文書をデータフレームに取得しています。問題は、それが完全に平坦化されていないということです。私には知られていない理由があります（しかし、以下の人は辞書の形を取っているので言及していますが、それらは平らにならないでしょう）。R：既存のデータフレーム内のデータフレームの列を展開

df <- jsonlite::fromJSON(out, flatten = TRUE, simplifyDataFrame = TRUE) 
n <- df$hits$total # 1 entry 
dat <- df$hits$hits 

# dat is a dataframe 
dim(dat) 
[1] 2 5 

# class of each column in the dataframe 
lapply(dat, class) 

$`_index` 
[1] "character" 

$`_type` 
[1] "character" 

$`_id` 
[1] "character" 

$`_score` 
[1] "numeric" 

$`_source.samples` 
[1] "list"

があり、実際にデータフレームのリストで列dat$_source.samplesです：私は、彼らが既存のデータフレーム内の二つの新しい列を形成するように、データフレームを含む列を拡張するにはどうすればよい

> dim(dat$`_source.samples`[[1]]) 
[1] 21 2 
> dim(dat$`_source.samples`[[2]]) 
[1] 21 2

- と重複します最初の4行は展開の結果です。ここでは一例です：どのようにdatの

Rstudioのスクリーンショットになります。

# the first four columns look like this 
> head(dat[,1:4]) 
    _index _type    _id _score 
1 pnoc genes ENSG00000131051.20  1 
2 pnoc genes ENSG00000000457.13  1 

# the fifth column `_source.samples` that has dataframes looks like this 
# just showing the dataframe in the first row of `dat` 
> head(dat$`_source.samples`[[1]]) 
         sample_id rsem.fpkm 
1 C021_0001_20140916_tumor_RNASeq  39.11 
2  CPBT_0001_1_tumor_RNASeq 184.56 
3  CPBT_0007_1_tumor_RNASeq  41.29 
4 C021_0010_001774_tumor_RNASeq  86.31 
5 C021_0003_001409_tumor_RNASeq  79.24 
6  CPBT_0005_1_tumor_RNASeq  66.20

だから私はこのような何かをしたいと思う：ここ

_index _type    _id _score      sample_id 
1 pnoc genes ENSG00000000457.13  1 C021_0001_20140916_tumor_RNASeq 
2 pnoc genes ENSG00000000457.13  1  CPBT_0001_1_tumor_RNASeq 
3 pnoc genes ENSG00000000457.13  1  CPBT_0007_1_tumor_RNASeq 
4 pnoc genes ENSG00000000457.13  1 C021_0010_001774_tumor_RNASeq 
5 pnoc genes ENSG00000000457.13  1 C021_0003_001409_tumor_RNASeq 
6 pnoc genes ENSG00000000457.13  1  CPBT_0005_1_tumor_RNASeq 
    rsem.fpkm 
1  1.39 
2  5.58 
3  1.93 
4  3.64 
5  5.20 
6  3.69

は再現データセットです。

> dput(dat) 
structure(list(`_index` = c("pnoc", "pnoc"), `_type` = c("genes", 
"genes"), `_id` = c("ENSG00000131051.20", "ENSG00000000457.13" 
), `_score` = c(1, 1), `_source.samples` = list(structure(list(
    sample_id = c("C021_0001_20140916_tumor_RNASeq", "CPBT_0001_1_tumor_RNASeq", 
    "CPBT_0007_1_tumor_RNASeq", "C021_0010_001774_tumor_RNASeq", 
    "C021_0003_001409_tumor_RNASeq", "CPBT_0005_1_tumor_RNASeq", 
    "CPBT_0008_1_tumor_RNASeq", "C021_0002_001113_tumor_RNASeq", 
    "C021_0013_001872_tumor_RNASeq", "C021_0005_001661_tumor_RNASeq", 
    "C021_0007_001669_tumor_RNASeq", "C021_0008_001699_tumor_RNASeq", 
    "CPBT_0006_1_tumor_RNASeq", "C021_0011_001786_tumor_RNASeq", 
    "C021_0009_001766_tumor_RNASeq", "CPBT_0004_1_tumor_RNASeq", 
    "CPBT_0003_1_tumor_RNASeq", "CPBT_0009_1_tumor_RNASeq", "C021_0006_001666_tumor_RNASeq", 
    "C021_0012_001825_tumor_RNASeq", "C021_0004_001418_tumor_RNASeq" 
    ), rsem.fpkm = c(39.11, 184.56, 41.29, 86.31, 79.24, 66.2, 
    42.13, 88.78, 78.73, 96.79, 38.5, 105.12, 129.16, 145.13, 
    117.96, 86.53, 75.43, 179.01, 0, 61.61, 98.64)), .Names = c("sample_id", 
"rsem.fpkm"), class = "data.frame", row.names = c(NA, 21L)), 
    structure(list(sample_id = c("C021_0001_20140916_tumor_RNASeq", 
    "CPBT_0001_1_tumor_RNASeq", "CPBT_0007_1_tumor_RNASeq", "C021_0010_001774_tumor_RNASeq", 
    "C021_0003_001409_tumor_RNASeq", "CPBT_0005_1_tumor_RNASeq", 
    "CPBT_0008_1_tumor_RNASeq", "C021_0002_001113_tumor_RNASeq", 
    "C021_0013_001872_tumor_RNASeq", "C021_0005_001661_tumor_RNASeq", 
    "C021_0007_001669_tumor_RNASeq", "C021_0008_001699_tumor_RNASeq", 
    "CPBT_0006_1_tumor_RNASeq", "C021_0011_001786_tumor_RNASeq", 
    "C021_0009_001766_tumor_RNASeq", "CPBT_0004_1_tumor_RNASeq", 
    "CPBT_0003_1_tumor_RNASeq", "CPBT_0009_1_tumor_RNASeq", "C021_0006_001666_tumor_RNASeq", 
    "C021_0012_001825_tumor_RNASeq", "C021_0004_001418_tumor_RNASeq" 
    ), rsem.fpkm = c(1.39, 5.58, 1.93, 3.64, 5.2, 3.69, 1.75, 
    5.38, 3.46, 4.14, 0.96, 3.93, 4.47, 3.17, 4.38, 2.8, 2.27, 
    7.4, 0, 2.76, 5.55)), .Names = c("sample_id", "rsem.fpkm" 
    ), class = "data.frame", row.names = c(NA, 21L)))), .Names = c("_index", 
"_type", "_id", "_score", "_source.samples"), class = "data.frame", row.names = 1:2)

ありがとうございます！

出典

2017-03-28 Komal Rathi

Googleドライブのリンクはおそらく永遠にはありません...テキストに 'dput'を使用して最小限の例を提供できますか？ – dash2

@ dash2再現可能な例で質問を更新します。 –

これらの列は、もともとjsonファイル内の埋め込み辞書であるため、フラットになりません。

まず、あなたがあなたのコラム_source.samplesの内容で新しいデータフレームを作成します。ここでは

は、それが完全に直感的ではないのですが、あなたは何ができるかです。 _id列に各データがどの行から来るのかを識別できるようにする必要があります。

samples <- mapply(function(x, y) cbind(x, _id = y), dat$`_source.samples, dat$_id, SIMPLIFY = FALSE)

次に、あなたのdatでそれをマージします。

merge(dat, rbind.pages(samples), by= "_id")

出典

2017-03-28 21:55:34 Laurent

インポート中にどのように指定するのですか？私の目標は、辞書（基本的にインポート時のデータフレームになる）を含む列を別々の行に展開することです。 –

私の答えの編集でそれを追加しました – Laurent

あなたが私のコードを質問の詳細で見ていれば、私はすでに 'jsonlite :: fromJSON（out、flatten = TRUE、simplifyDataFrame = TRUE）を使用しています ' –

R：既存のデータフレーム内のデータフレームの列を展開

答えて

関連する問題