R语言DataFrame数据框类型的使用

参考链接

https://www.cnblogs.com/studyzy/p/4316118.html

https://blog.csdn.net/qq_34941023/article/details/51448770

https://www.jianshu.com/p/c3eba7553ae5

含义

Data Frame一般被翻译为数据框,感觉就像是R中的表,由行和列组成,与Matrix不同的是,每个列可以是不同的数据类型,而Matrix是必须相同的。

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,那么就是从1开始自增的Sequence来标识每一行。

初始化

使用data.frame函数就可以初始化一个Data Frame。比如我们要初始化一个student的Data Frame其中包含ID和Name还有Gender以及Birthdate,那么代码为:

1
student<-data.frame(ID=c(11,12,13),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()读取一个文本文件,返回的也是一个Data Frame对象。读取数据库也是返回Data Frame对象。

查看student的内容为:

1
2
3
4
5
6
7
 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

这里只指定了列名为ID,Name,Gender和Birthdate,使用names函数可以查看列名,如果要查看行名,需要用到row.names函数。这里我们希望将ID作为行名,那么可以这样写:

1
row.names(student)<-student$ID

更简单的办法是在初始化date.frame的时候,有参数row.names可以设置行名的向量。

或者是使用向量来构成数据框。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
> mydataframe=data.frame(
+ name=c(\"张三\", \"李四\", \"王五\", \"赵六\", \"丁一\"),
+ sex=c(\"F\", \"F\", \"M\", \"M\", \"M\"),
+ age=c(16, 17, 18, 16, 19),
+ height=c(167.5, 156.3, 177.3, 167.5, 170.0),
+ weight=c(55.0, 60.0, 63.0, 53.0, 69.5)
+ );
> mydataframe
name sex age height weight
1 张三 F 16 167.5 55.0
2 李四 F 17 156.3 60.0
3 王五 M 18 177.3 63.0
4 赵六 M 16 167.5 53.0
5 丁一 M 19 170.0 69.5

将List转化为DataFrame

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
> mylist<-list(
+ name=c(\"张三\", \"李四\", \"王五\", \"赵六\", \"丁一\"),
+ sex=c(\"F\", \"F\", \"M\", \"M\", \"M\"),
+ age=c(16, 17, 18, 16, 19),
+ height=c(167.5, 156.3, 177.3, 167.5, 170.0),
+ weight=c(55.0, 60.0, 63.0, 53.0, 69.5)
+ );
> mylist
$name
[1] \"张三\" \"李四\" \"王五\" \"赵六\" \"丁一\"
$sex
[1] \"F\" \"F\" \"M\" \"M\" \"M\"
$age
[1] 16 17 18 16 19
$height
[1] 167.5 156.3 177.3 167.5 170.0
$weight
[1] 55.0 60.0 63.0 53.0 69.5
> mylist=as.data.frame(mylist)
> mylist
name sex age height weight
1 张三 F 16 167.5 55.0
2 李四 F 17 156.3 60.0
3 王五 M 18 177.3 63.0
4 赵六 M 16 167.5 53.0
5 丁一 M 19 170.0 69.5

将矩阵转化为DataFrame

1
2
3
4
5
6
7
8
9
10
11
12
> x=array(1:12,c(3,4))
> x
[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12
> x=as.data.frame(x)
> x
V1 V2 V3 V4
1 1 4 7 10
2 2 5 8 11
3 3 6 9 12

访问元素

与Matrix一样,使用[行Index, 列Index]的格式可以访问具体的元素。

比如访问第一行:

1
student[1,]

访问第二列:

1
student[,2]

使用列的Index或者列名可以选取要访问的哪些列。比如要ID和Name,那么代码为:

idname<-student[1:2]或者是idname<-student[c("ID","Name”)]

如果是只访问某一列,返回的是Vector类型的,那么可以使用[[或者$来访问。比如我们要所有student的Name,代码为:

name<-student[[2]] 或者name<-student[[“Name”]] 或者name<-student$Name

使用attach和detach函数可以使得访问列时不需要总是跟着变量名在前面。

比如要打印所有Name,那么可以写成:

1
2
3
attach(student)
print(Name)
detach(student)

还可以换一种简洁一点的写法就是用with函数:

1
2
3
4
with(student,{
n<-Name
print(n)
})

这里的n作用域只在大括号内,如果想在with函数中对全局的变量进行赋值,那么需要使用<<-这样一个运算符。

修改列数据类型

接下来我们查看该对象每列的类型,使用str(student)可以得到如下结果:

‘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

默认情况下,字符串向量都会被自动识别成Factor(这个可以关闭),也就是说,ID是数字类型,其他的3个列都被定义为Factor类型了。显然这里Name应该是字符串类型,Birthdate应该是Date类型,我们需要对列的数据类型进行更改:

1
2
student$Name<-as.character(student$Name)
student$Birthdate<-as.Date(student$Birthdate)

下面我们再运行str(student)看看修改后的结果:

‘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

对于以及存在的student对象,我们希望增加Age列,该列是根据Birthdate算出来的。首先需要知道怎么算年龄。我们可以使用日期函数Sys.Date()获得当前的日期,然后使用format函数获得年份,然后用两个年份相减就是年龄。好像R并没有提供几个能用的日期函数,我们只能使用format函数取出年份部分,然后转换为int类型相减。

1
student$Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(student$Birthdate,"%Y”))

这样写似乎太长了,我们可以用within函数,这个函数和之前提到过的with函数类似,可以省略变量名,不同的地方是within函数可以在其中修改变量,也就是我们这里增加Age列:

1
2
3
student<-within(student,{
Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(Birthdate,"%Y"))
})

使用cbind函数可以实现两个DataFrame的拼接,从而实现添加列。

1
2
3
y<-1:4
data1 <- data.frame(x1=c(1,3,5,7), x2=c(2,4,6,8),x3=c(11,12,13,14),x4=c(15,16,17,18))
data2 <- cbind(data1[,1:2],y,data1[,3:ncol(data1)])

添加行

使用rbind函数实现行的拼接。

1
2
3
data1<- data.frame(x1=runif(10),x2= runif(10),x3= runif(10))
row<- c(1, 1, 1)
data2 <- rbind(data1[1:5,], row, data1[6:nrow(data1), ])

查询/子集

查询一个Date Frame,返回一个满足条件的子集,这相当于数据库中的表查询,是非常常见的操作。使用行和列的Index来获取子集是最简单的方法,前面已经提到过。如果我们使用布尔向量,配合which函数,可以实现对行的过滤。比如我们要查询所有Gender为F的数据,那么我们首先对student$Gender==“F”,得到一个布尔向量:FALSE FALSE TRUE,然后使用which函数可以将布尔向量中TRUE的Index返回,所以我们的完整查询语句就是:

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

注意这里列Index并没有输入,如果我们只想知道所有女生的年龄,那么可以改为:

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

这样的查询写法还是复杂了点,可以直接使用subset函数,那么查询会简单些,比如我们把查询条件改为年龄<30的女性,查姓名和年龄,那么查询语句为:

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

使用SQL查询Data Frame

对于我这种使用了多年SQL的人来说,如果能够直接写SQL语句对Data Frame进行查询操作,那是多么方便美妙的啊,结果还真有这么一个包:sqldf。

同样是前面的需求,对应的语句就是:

1
2
library(sqldf)
result<-sqldf("select Name,Age from student where Gender='F' and Age<30")

使用subset函数进行查询

subset函数,从某一个数据框中选择出符合某条件的数据或是相关的列
(1)单条件查询

1
2
3
4
5
6
7
8
9
> selectresult=subset(df1,name=="aa")
> selectresult
name age sex
1 aa 20 f
> df1
name age sex
1 aa 20 f
2 bb 29 m
3 cc 30 f

(2)指定显示列

1
2
3
4
5
6
7
\>selectresult=subset(df1,name=="aa",select=c(age,sex))

\> selectresult

age sex

1 20 f

(3)多条件查询

1
2
3
4
5
6
7
8
9
> selectresult=subset(df1,name=="aa" & sex=="f",select=c(age,sex))
> selectresult
age sex
1 20 f
> df1
name age sex
1 aa 20 f
2 bb 29 m
3 cc 30 f

连接/合并

对于数据库来说,对多表进行join查询是一个很正常的事情,那么在R中也可以对多个Data Frame进行连接,这就需要使用merge函数。

比如除了前面申明的student对象外,我们再申明一个score变量,记录了每个学生的科目和成绩:

1
score<-data.frame(SID=c(11,11,12,12,13),Course=c("Math","English","Math","Chinese","Math"),Score=c(90,80,80,95,96))

我们看看该表的内容:

SID Course Score

1 11 Math 90

2 11 English 80

3 12 Math 80

4 12 Chinese 95

5 13 Math 96

这里的SID就是Student里面的ID,相当于一个外键,现在要用这个ID进行inner join操作,那么对应的R语句就是:

1
result<-merge(student,score,by.x="ID",by.y="SID")

我们看看merge以后的结果:

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

正如我们期望的一样join在了一起。

除了join,另外一个操作就是union,这也是数据库常用操作,那么在R中如何将两个列一样的Data Frame Union联接在一起呢?虽然R语言中有union函数,但是不是SQL的Union的意思,我们要实现Union功能,需要用到rbind函数。

rbind的两个Data Frame必须有相同的列,比如我们再申明一个student2,将两个变量rbind起来:

1
2
student2<-data.frame(ID=c(21,22),Name=c("Yan","Peng"),Gender=c("F","M"),Birthdate=c("1982-2-9","1983-1-16"),Age=c(32,31))
rbind(student,student2)

R语言DataFrame数据框类型的使用
https://fulequn.github.io/2020/09/Article202009282/
作者
Fulequn
发布于
2020年9月28日
许可协议