Преобразование списка в тиббл с вложенными столбцами

Возможно, это решит вашу проблему

lst %>% 
  dplyr::bind_rows() %>% 
  tidyr::nest(Team = Team)

# A tibble: 5 × 3
  Category City  Team            
  <chr>    <chr> <list>          
1 A        N     <tibble [1 × 1]>
2 C        V     <tibble [3 × 1]>
3 F        NA    <tibble [1 × 1]>
4 K        T     <tibble [3 × 1]>
5 B        Q     <tibble [1 × 1]>

Возможно, что-то вроде:

list_transpose(lst, default = NA, template = unique(unlist(map(lst, names)))) |> 
  as_tibble() |> 
  mutate(across(where(is.list), \(l) if (all(lengths(l) == 1)) unlist(l) else l))

# A tibble: 5 × 3
  Category Team         City 
  <chr>    <named list> <chr>
1 A        <chr [1]>    N    
2 C        <chr [3]>    V    
3 F        <chr [1]>    NA   
4 K        <chr [3]>    T    
5 B        <lgl [1]>    Q

Я надеюсь, что это может сработать хорошо. протестировано на новом элементе с новым столбцом.

lst <- list(
  .... PREVIOUS lst LIST ....

  my_addition = list(
    Category = "Z",
    Team = state.name[1:2],
    City = letters[1:3],
    Zip = state.abb[1:4]
    
  )
)

lst_to_df <- function(lst_item) {
  tibble(
    Category = lst_item$Category,
    !!!map(lst_item[-1], list)
  )
}

map_dfr(lst, lst_to_df, .id = "List_Name") # remove `.id` to change from `my_addition` to `Z` as you probably really want

Category Team      City      Zip      
  <chr>    <list>    <list>    <list>   
1 A        <chr [1]> <chr [1]> <NULL>   
2 C        <chr [3]> <chr [1]> <NULL>   
3 F        <chr [1]> <NULL>    <NULL>   
4 K        <chr [3]> <chr [1]> <NULL>   
5 B        <NULL>    <chr [1]> <NULL>   
6 Z        <chr [2]> <chr [3]> <chr [4]>
> 

Вот еще одно решение, которое работает для любого количества полей/столбцов и любого количества элементов в любом столбце. Поскольку вы хотите хранить одну строку по уровню категории, каждый столбец соответствует списку с соответствующими различными значениями.

library(rlang)

# Bind lists as tibble
df <- lst |>
  bind_rows() 

# Get the column name used as key
key <- colnames(df)[1]

# Map over all columns and nest distinct values
map(colnames(df)[-1], function(x){
  df |>
    select(all_of(c(key, x))) |>
    group_by(!!sym(key)) |>
    distinct(!!sym(x)) |>
    nest(!!sym(x):= x)
}) |>
  # Reduce the lists using left_join
  reduce(left_join, by = key) 

# A tibble: 5 × 3
# Groups:   Category [5]
#  Category Team             City            
#  <chr>    <list>           <list>          
#1 A        <tibble [1 × 1]> <tibble [1 × 1]>
#2 C        <tibble [3 × 1]> <tibble [1 × 1]>
#3 F        <tibble [1 × 1]> <tibble [1 × 1]>
#4 K        <tibble [3 × 1]> <tibble [1 × 1]>
#5 B        <tibble [1 × 1]> <tibble [1 × 1]>

Подход с использованием unnest_wider

library(dplyr)
library(tidyr)

tibble(lst) %>% unnest_wider(lst)
# A tibble: 5 × 3
  Category Team      City 
  <chr>    <list>    <chr>
1 A        <chr [1]> N    
2 C        <chr [3]> V    
3 F        <chr [1]> NA   
4 K        <chr [3]> T    
5 B        <NULL>    Q

Обратите внимание, что несуществующая команда сохраняется как NULL.