在r的嵌套列表内计算

Question

如何计算嵌套列表中每个城市的计数之和并使用map将其存储在新标签中?

嵌套列表的输出如下所示:

City:'s-Hertogenbosch`
$`'s-Hertogenbosch`$`5392`
$`'s-Hertogenbosch`$`5392`$men
A tibble: 20 x 2
age              count
<chr>            <dbl>
1 0 tot 5 jaar        20
2 5 tot 10 jaar       40
3 10 tot 15 jaar      45
4 15 tot 20 jaar      20
5 20 tot 25 jaar      25

$`'s-Hertogenbosch`$`5392`$women
A tibble: 20 x 2
age              count
<chr>            <dbl>
1 0 tot 5 jaar        15
2 5 tot 10 jaar       30
3 10 tot 15 jaar      35
4 15 tot 20 jaar      30
5 20 tot 25 jaar      15

City:'Aa en Hunze`
$`Aa en Hunze`
$`Aa en Hunze`$`9443`
$`Aa en Hunze`$`9443`$men
A tibble: 20 x 2
age              count
<chr>            <dbl>
1 0 tot 5 jaar         0
2 5 tot 10 jaar       10
3 10 tot 15 jaar       5
4 15 tot 20 jaar       5
5 20 tot 25 jaar       5

$`Aa en Hunze`$`9443`$women
A tibble: 20 x 2
age              count
<chr>            <dbl>
1 0 tot 5 jaar         5
2 5 tot 10 jaar        5
3 10 tot 15 jaar       5
4 15 tot 20 jaar      10
5 20 tot 25 jaar       5

我知道如何在标题中存储1个特定的邮政编码:

sum of count <- tibble(sum(data[[1]][[1]][[1]]['count']))

但我不知道如何将此应用于R中使用map的所有列表:

Get_count_per_postal <- map_int(data, function(x){
tibble(municipality = names(data), count_inhibitants = sum(data[[?]][[?]][[?]]['count']))
})

我很难访问嵌套列表并应用计算，如果有人给我指明正确的道路就太好了。

编辑:

`8044` = list(men = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(110, 
85, 60, 45, 20, 65, 130, 80, 70, 45, 25, 15, 15, 5, 0, 0, 0, 
0, 0, 0)), row.names = c(NA, -20L), class = c("tbl_df", "tbl", 
"data.frame")), women = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(105, 
80, 55, 35, 30, 105, 120, 80, 50, 35, 25, 10, 5, 5, 0, 0, 0, 
0, 0, 0)), row.names = c(NA, -20L), class = c("tbl_df", "tbl", 
"data.frame")), migration = c(western_migration_background = 120, 
non_western_migration_background = 195), households = c(single_households = 75, 
multi_person_households_without_kids = 130, multi_person_households_with_kids = 310
)), `8045` = list(men = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(0, 
0, 0, 5, 0, 0, 0, 0, 0, 0, 0, 5, 0, 0, 0, 0, 0, 0, 0, 0)), row.names = c(NA, 
-20L), class = c("tbl_df", "tbl", "data.frame")), women = structure(list(
age = c("0 tot 5 jaar", "5 tot 10 jaar", "10 tot 15 jaar", 
"15 tot 20 jaar", "20 tot 25 jaar", "25 tot 30 jaar", "30 tot 35 jaar", 
"35 tot 40 jaar", "40 tot 45 jaar", "45 tot 50 jaar", "50 tot 55 jaar", 
"55 tot 60 jaar", "60 tot 65 jaar", "65 tot 70 jaar", "70 tot 75 jaar", 
"75 tot 80 jaar", "80 tot 85 jaar", "85 tot 90 jaar", "90 tot 95 jaar", 
"95 jaar of ouder"), count = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 
0, 0, 0, 0, 5, 0, 0, 0, 0, 0, 0)), row.names = c(NA, -20L
), class = c("tbl_df", "tbl", "data.frame")), migration = c(western_migration_background = 0, 
non_western_migration_background = 0), households = c(single_households = 5, 
multi_person_households_without_kids = 5, multi_person_households_with_kids = 5
))))

R

> dput(sample(data, 1))
list(Alblasserdam = list(`2951` = list(men = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(355, 
360, 305, 335, 265, 285, 300, 255, 270, 310, 315, 300, 250, 260, 
320, 235, 145, 85, 40, 10)), row.names = c(NA, -20L), class = c("tbl_df", 
"tbl", "data.frame")), women = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(335, 
360, 295, 290, 270, 315, 285, 265, 305, 330, 345, 310, 265, 320, 
345, 320, 205, 170, 90, 20)), row.names = c(NA, -20L), class = c("tbl_df", 
"tbl", "data.frame")), migration = c(western_migration_background = 630, 
non_western_migration_background = 820), households = c(single_households = 1350, 
multi_person_households_without_kids = 1395, multi_person_households_with_kids = 1580
)), `2952` = list(men = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(30, 
35, 40, 40, 30, 20, 20, 25, 30, 45, 50, 30, 15, 20, 10, 10, 0, 
5, 0, 0)), row.names = c(NA, -20L), class = c("tbl_df", "tbl", 
"data.frame")), women = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(30, 
35, 40, 60, 25, 30, 25, 30, 35, 50, 40, 25, 25, 15, 10, 10, 5, 
5, 0, 0)), row.names = c(NA, -20L), class = c("tbl_df", "tbl", 
"data.frame")), migration = c(western_migration_background = 45, 
non_western_migration_background = 20), households = c(single_households = 70, 
multi_person_households_without_kids = 80, multi_person_households_with_kids = 175
)), `2953` = list(men = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(200, 
215, 200, 200, 175, 240, 200, 195, 180, 225, 275, 170, 125, 115, 
115, 85, 55, 25, 5, 0)), row.names = c(NA, -20L), class = c("tbl_df", 
"tbl", "data.frame")), women = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(190, 
185, 215, 175, 175, 215, 190, 190, 210, 230, 215, 160, 120, 130, 
125, 120, 60, 30, 15, 0)), row.names = c(NA, -20L), class = c("tbl_df", 
"tbl", "data.frame")), migration = c(western_migration_background = 510, 
non_western_migration_background = 600), households = c(single_households = 815, 
multi_person_households_without_kids = 650, multi_person_households_with_kids = 1010
)), `2954` = list(men = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(75, 
70, 105, 100, 115, 75, 50, 55, 85, 90, 120, 125, 125, 85, 60, 
25, 5, 5, 0, 0)), row.names = c(NA, -20L), class = c("tbl_df", 
"tbl", "data.frame")), women = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar", 
"25 tot 30 jaar", "30 tot 35 jaar", "35 tot 40 jaar", "40 tot 45 jaar", 
"45 tot 50 jaar", "50 tot 55 jaar", "55 tot 60 jaar", "60 tot 65 jaar", 
"65 tot 70 jaar", "70 tot 75 jaar", "75 tot 80 jaar", "80 tot 85 jaar", 
"85 tot 90 jaar", "90 tot 95 jaar", "95 jaar of ouder"), count = c(50, 
90, 90, 105, 100, 50, 60, 60, 75, 100, 150, 110, 100, 75, 60, 
20, 15, 5, 0, 0)), row.names = c(NA, -20L), class = c("tbl_df", 
"tbl", "data.frame")), migration = c(western_migration_background = 160, 
non_western_migration_background = 105), households = c(single_households = 180, 
multi_person_households_without_kids = 345, multi_person_households_with_kids = 475
))))

Kr,Quido

Answer 1

结构不清楚。也许，递归选项会起作用-使用rrapply通过melt嵌套list来改变结构，然后filter列'L4'只有'count'，unnestlist列'value'，做group_bysum(如果我们不想包括'L3'即sex作为分组，删除它以获得每个'直辖市'的总计数

library(rrapply)
library(dplyr)
library(tidyr)
rrapply(data, how = 'melt') %>%
filter(L4 == 'count') %>% 
unnest(value) %>%
group_by(municipality = L1, sex = L3) %>%
summarise(count_inhabitants = sum(value, na.rm = TRUE), .groups = 'drop')
# A tibble: 4 × 3
municipality          sex   count_inhabitants
<chr>                 <chr>             <dbl>
1 City:'Aa en Hunze     men                  25
2 City:'Aa en Hunze     women                30
3 City:'s-Hertogenbosch men                 150
4 City:'s-Hertogenbosch women               125

更新使用OP的数据

library(purrr)
map_dfr(data, ~ map_dfr(.x, ~ map_dfr(.x[c("men", "women")],
~ sum(.x$count, na.rm = TRUE), .id = 'sex'), .id = 'id'),
.id = 'municipality')
# A tibble: 4 × 4
municipality id      men women
<chr>        <chr> <dbl> <dbl>
1 Alblasserdam 2951   5000  5440
2 Alblasserdam 2952    455   495
3 Alblasserdam 2953   3000  2950
4 Alblasserdam 2954   1370  1315

数据

data <- list(`City:'s-Hertogenbosch` = list(`'s-Hertogenbosch$5392` = list(
men = structure(list(age = c("0 tot 5 jaar", "5 tot 10 jaar", 
"10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar"), count = c(20, 
40, 45, 20, 25)), class = c("tbl_df", "tbl", "data.frame"
), row.names = c(NA, -5L)), women = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar"
), count = c(15, 30, 35, 30, 15)), class = c("tbl_df", "tbl", 
"data.frame"), row.names = c(NA, -5L)))), `City:'Aa en Hunze` = list(
`'Aa en Hunze$9443` = list(men = structure(list(age = c("0 tot 5 jaar", 
"5 tot 10 jaar", "10 tot 15 jaar", "15 tot 20 jaar", "20 tot 25 jaar"
), count = c(0, 10, 5, 5, 5)), class = c("tbl_df", "tbl", 
"data.frame"), row.names = c(NA, -5L)), women = structure(list(
age = c("0 tot 5 jaar", "5 tot 10 jaar", "10 tot 15 jaar", 
"15 tot 20 jaar", "20 tot 25 jaar"), count = c(5, 5, 
5, 10, 5)), class = c("tbl_df", "tbl", "data.frame"), row.names = c(NA, 
-5L)))))