來源 | R友舍

Data Frame一般被翻譯為數(shù)據(jù)框，感覺就像是R中的表，由行和列組成，與Matrix不同的是，每個(gè)列可以是不同的數(shù)據(jù)類型，而Matrix是必須相同的。

Data Frame每一列有列名，每一行也可以指定行名。如果不指定行名，那么就是從1開始自增的Sequence來標(biāo)識(shí)每一行。

初始化

使用data.frame函數(shù)就可以初始化一個(gè)Data Frame。比如我們要初始化一個(gè)student的Data Frame其中包含ID和Name還有Gender以及Birthdate，那么代碼為：

student11,12,13),Name=c("Devin","Edward","Wenli"),Gender=c("M","M","F"),Birthdate=c("1984-12-29","1983-5-6","1986-8-8”))

另外也可以使用read.table() read.csv()讀取一個(gè)文本文件，返回的也是一個(gè)Data Frame對(duì)象。讀取數(shù)據(jù)庫(kù)也是返回Data Frame對(duì)象。

查看student的內(nèi)容為：

? ID ? Name Gender ?Birthdate

1 ?11 ?Devin ? ? ?M 1984-12-29

2 ?12 Edward ? ? ?M ? 1983-5-6

3 ?13 ?Wenli ? ? ?F ? 1986-8-8

這里只指定了列名為ID，Name，Gender和Birthdate，使用names函數(shù)可以查看列名，如果要查看行名，需要用到row.names函數(shù)。這里我們希望將ID作為行名，那么可以這樣寫：

row.names(student)

更簡(jiǎn)單的辦法是在初始化date.frame的時(shí)候，有參數(shù)row.names可以設(shè)置行名的向量。

訪問元素

與Matrix一樣，使用[行Index,列Index]的格式可以訪問具體的元素。

比如訪問第一行:

student[1,]

訪問第二列：

student[,2]

使用列的Index或者列名可以選取要訪問的哪些列。比如要ID和Name，那么代碼為：

idname1:2]

或者是

idname"ID","Name”)]

如果是只訪問某一列，返回的是Vector類型的，那么可以使用[[或者$來訪問。比如我們要所有student的Name，代碼為：

name2]]?或者name

或者name

使用attach和detach函數(shù)可以使得訪問列時(shí)不需要總是跟著變量名在前面。

比如要打印所有Name，那么可以寫成：

attach(student)
print(Name)
detach(student)

還可以換一種簡(jiǎn)潔一點(diǎn)的寫法就是用with函數(shù)：

with(student,{
??n??print(n)
})

這里的n作用域只在大括號(hào)內(nèi)，如果想在with函數(shù)中對(duì)全局的變量進(jìn)行賦值，那么需要使用<

修改列數(shù)據(jù)類型

接下來我們查看該對(duì)象每列的類型，使用str(student)可以得到如下結(jié)果：

'data.frame':3 obs. of ?4 variables:

?$ ID ? ? ? : num ?1 2 3

?$ Name ? ? : Factor w/ 3 levels "Devin","Edward",..: 1 2 3

?$ Gender ? : Factor w/ 2 levels "F","M": 2 2 1

?$ Birthdate: Factor w/ 3 levels "1983-5-6","1984-12-29",..: 2 1 3

默認(rèn)情況下，字符串向量都會(huì)被自動(dòng)識(shí)別成Factor，也就是說，ID是數(shù)字類型，其他的3個(gè)列都被定義為Factor類型了。顯然這里Name應(yīng)該是字符串類型，Birthdate應(yīng)該是Date類型，我們需要對(duì)列的數(shù)據(jù)類型進(jìn)行更改：

student$Nameas.character(student$Name)

student$Birthdateas.Date(student$Birthdate)

下面我們?cè)龠\(yùn)行str(student)看看修改后的結(jié)果：

'data.frame':3 obs. of ?4 variables:

?$ ID ? ? ? : num ?11 12 13

?$ Name ? ? : chr ?"Devin" "Edward" "Wenli"

?$ Gender ? : Factor w/ 2 levels "F","M": 2 2 1

?$ Birthdate: Date, format: "1984-12-29" "1983-05-06" "1986-08-08”

添加新列

對(duì)于以及存在的student對(duì)象，我們希望增加Age列，該列是根據(jù)Birthdate算出來的。首先需要知道怎么算年齡。我們可以使用日期函數(shù)Sys.Date()獲得當(dāng)前的日期，然后使用format函數(shù)獲得年份，然后用兩個(gè)年份相減就是年齡。好像R并沒有提供幾個(gè)能用的日期函數(shù)，我們只能使用format函數(shù)取出年份部分，然后轉(zhuǎn)換為int類型相減。

student$Ageas.integer(format(Sys.Date(),"%Y"))-as.integer(format(student$Birthdate,"%Y”))

這樣寫似乎太長(zhǎng)了，我們可以用within函數(shù)，這個(gè)函數(shù)和之前提到過的with函數(shù)類似，可以省略變量名，不同的地方是within函數(shù)可以在其中修改變量，也就是我們這里增加Age列：

student??Ageas.integer(format(Sys.Date(),"%Y"))-as.integer(format(Birthdate,"%Y"))
})

查詢/子集

查詢一個(gè)Date Frame，返回一個(gè)滿足條件的子集，這相當(dāng)于數(shù)據(jù)庫(kù)中的表查詢，是非常常見的操作。使用行和列的Index來獲取子集是最簡(jiǎn)單的方法，前面已經(jīng)提到過。如果我們使用布爾向量，配合which函數(shù)，可以實(shí)現(xiàn)對(duì)行的過濾。

比如我們要查詢所有Gender為F的數(shù)據(jù)，那么我們首先對(duì)student$Gender==“F”，得到一個(gè)布爾向量:FALSE FALSE ?TRUE,然后使用which函數(shù)可以將布爾向量中TRUE的Index返回，所以我們的完整查詢語(yǔ)句就是：

student[which(student$Gender=="F"),]

注意這里列Index并沒有輸入，如果我們只想知道所有女生的年齡，那么可以改為：

student[which(student$Gender=="F"),"Age”]

這樣的查詢寫法還是復(fù)雜了點(diǎn)，可以直接使用subset函數(shù)，那么查詢會(huì)簡(jiǎn)單些，比如我們把查詢條件改為年齡<30的女性，查姓名和年齡，那么查詢語(yǔ)句為：

subset(student,Gender=="F"?&?Age<30?,select=c("Name","Age"))

使用SQL查詢Data Frame

對(duì)于我這種使用了多年SQL的人來說，如果能夠直接寫SQL語(yǔ)句對(duì)Data Frame進(jìn)行查詢操作，那是多么方便美妙的啊，結(jié)果還真有這么一個(gè)包：sqldf。

同樣是前面的需求，對(duì)應(yīng)的語(yǔ)句就是：

library(sqldf)
result"select?Name,Age?from?student?where?Gender='F'?and?Age<30")

連接/合并

對(duì)于數(shù)據(jù)庫(kù)來說，對(duì)多表進(jìn)行join查詢是一個(gè)很正常的事情，那么在R中也可以對(duì)多個(gè)Data Frame進(jìn)行連接，這就需要使用merge函數(shù)。

比如除了前面申明的student對(duì)象外，我們?cè)偕昝饕粋€(gè)score變量，記錄了每個(gè)學(xué)生的科目和成績(jī)：

score11,11,12,12,13),Course=c("Math","English","Math","Chinese","Math"),Score=c(90,80,80,95,96))

我們看看該表的內(nèi)容：

? SID ?Course Score

1 ?11 ? ?Math ? ?90

2 ?11 English ? ?80

3 ?12 ? ?Math ? ?80

4 ?12 Chinese ? ?95

5 ?13 ? ?Math ? ?96

這里的SID就是Student里面的ID，相當(dāng)于一個(gè)外鍵，現(xiàn)在要用這個(gè)ID進(jìn)行inner join操作，那么對(duì)應(yīng)的R語(yǔ)句就是：

result"ID",by.y="SID")

我們看看merge以后的結(jié)果：

?ID ? Name Gender ?Birthdate Age ?Course Score

1 11 ?Devin ? ? ?M 1984-12-29 ?31 ? ?Math ? ?90

2 11 ?Devin ? ? ?M 1984-12-29 ?31 English ? ?80

3 12 Edward ? ? ?M 1983-05-06 ?32 ? ?Math ? ?80

4 12 Edward ? ? ?M 1983-05-06 ?32 Chinese ? ?95

5 13 ?Wenli ? ? ?F 1986-08-08 ?29 ? ?Math ? ?96

正如我們期望的一樣join在了一起。

除了join，另外一個(gè)操作就是union，這也是數(shù)據(jù)庫(kù)常用操作，那么在R中如何將兩個(gè)列一樣的Data Frame Union聯(lián)接在一起呢？雖然R語(yǔ)言中有union函數(shù)，但是不是SQL的Union的意思，我們要實(shí)現(xiàn)Union功能，需要用到rbind函數(shù)。

rbind的兩個(gè)Data Frame必須有相同的列，比如我們?cè)偕昝饕粋€(gè)student2，將兩個(gè)變量rbind起來：

student221,22),Name=c("Yan","Peng"),Gender=c("F","M"),Birthdate=c("1982-2-9","1983-1-16"),Age=c(32,31))
rbind(student,student2)

—————————————

往期精彩：

• 美國(guó)“實(shí)體清單”再度升級(jí)，我國(guó)超級(jí)計(jì)算機(jī)今日起或面臨“斷供”！

• 我造的假我自己打，Adobe推出“反PS”

• 中國(guó)誠(chéng)信全球墊底？講講《Science》現(xiàn)在的論文有多不靠譜

總結(jié)

以上是生活随笔為你收集整理的dataframe 添加一行_R语言Data Frame数据框常用操作的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。