如果我们只想使用tidyverse，那么用map循环到内部嵌套层，提取感兴趣的元素（'info'，'parameters'），转换为tibble，删除'color'列，在每个嵌套层中绑定它们（_dfr）

library(dplyr)
library(purrr)
map(data_in,  ~
   map_dfr(.x, ~ .x[c("info", "parameters")] %>% 
   map_dfc(as_tibble_row)) %>% select(-color))

或者使用递归函数（rrapply）提取元素并转换为tibble（因为它是一个命名向量），然后绑定内层中的数据集，在使用map循环外部列表时取消嵌套

library(rrapply)
library(tidyr)
rrapply(data_in, condition = \(x, .xname) .xname %in%
    c("info", "parameters"), as_tibble_row, how = "prune"  ) %>% 
  map(~ bind_rows(.x) %>%
   unnest(where(is.list)) %>%
   select(-color))

• 输出

$a
# A tibble: 3 × 4
  ID    treatment     v     d
  <chr> <chr>     <dbl> <dbl>
1 C.1   C             2     2
2 C.2   C             2     2
3 L.1   L             2     2

$b
# A tibble: 3 × 4
  ID    treatment     v     d
  <chr> <chr>     <dbl> <dbl>
1 C.1   C             2     2
2 C.2   C             2     2
3 L.1   L             2     2

$c
# A tibble: 3 × 4
  ID    treatment     v     d
  <chr> <chr>     <dbl> <dbl>
1 C.1   C             2     2
2 C.2   C             2     2
3 L.1   L             2     2

下面是另一种方法，首先使用rrapply(..., how = "bind")将嵌套列表转换为宽数据.frame，然后使用tidyr进一步取消嵌套。使用base::split()而不是dplyr::group_split()的原因是base::split()会自动命名数据. frame的输出列表，而dplyr::group_split()不会。

library(rrapply)
library(tidyr)
library(dplyr)

rrapply(data_in, how = "bind", options = list(namecols = TRUE)) %>%
  unnest_wider(info) %>%
  unnest_wider(parameters) %>%
  select(-matches("L2|color|data")) %>%
  split(f = as.factor(.$L1))

#> $a
#> # A tibble: 3 × 5
#>   L1    ID    treatment     v     d
#>   <chr> <chr> <chr>     <dbl> <dbl>
#> 1 a     C.1   C             2     2
#> 2 a     C.2   C             2     2
#> 3 a     L.1   L             2     2
#> 
#> $b
#> # A tibble: 3 × 5
#>   L1    ID    treatment     v     d
#>   <chr> <chr> <chr>     <dbl> <dbl>
#> 1 b     C.1   C             2     2
#> 2 b     C.2   C             2     2
#> 3 b     L.1   L             2     2
#> 
#> $c
#> # A tibble: 3 × 5
#>   L1    ID    treatment     v     d
#>   <chr> <chr> <chr>     <dbl> <dbl>
#> 1 c     C.1   C             2     2
#> 2 c     C.2   C             2     2
#> 3 c     L.1   L             2     2