锐客网

  1. 首页 > it技术 > >

r生成新的dataframe_R 语言的Dataframe常用操作

上节我们简单介绍了Dataframe的定义，这节我们具体来看一下Dataframe的操作
首先，数据框的创建函数为 data.frame( )，参考R语言的帮助文档，我们来了解一下data.frame( )的具体用法：
Usage
data.frame(..., row.names = NULL, check.rows = FALSE,
check.names = TRUE, fix.empty.names = TRUE,
stringsAsFactors = default.stringsAsFactors())
default.stringsAsFactors()
Arguments
... :these arguments are of either the form value or tag = value. Component names are created based on the tag (if present) or the deparsed argument itself.
row.names :NULL or a single integer or character string specifying a column to be used as row names, or a character or integer vector giving the row names for the data frame.
当然，后面还有很多参数的具体用法，在此不做一一赘述，主要用到的就是前两个。首先，“...”代表了表格数据，就是要构成数据框的数据主体，row.names( )为要构成数据框的行名，那么既然数据框相当于R语言的一个表格，应该既有行名也有列名才对，那么列名又是如何给出的呢？我们知道，很多的数据处理软件以及算法是以数据的列为单位进行的，之前我们构建矩阵的时候，默认也是按列填充(byrow=FALSE)，而列名在创建数据框开始我们就已经确定好了的。详见下面代码：
我想要创建一个名为“mydataframe”的数据框，首先确定数据框里面的列有哪些，然后调用函数data.frame( )函数
> C1
> C2
> C3
> C4
> C5
> mydataframe
> mydataframe
C1 C2 C3 C4 C5
R1 1 5 9 13 17
R2 2 6 10 14 18
R3 3 7 11 15 19
R4 4 8 12 16 20
由此可见，数据框是把现有的列拼接成一个表格的一种数据结构，细心的朋友会发现，这个数据框怎么跟上节我们讲过的矩阵长得那么一样！！！再回顾一下上节的矩阵创建：
> mydata
> cnames
> rnames
> myarray
> myarray
C1 C2 C3 C4 C5
R1 1 5 9 13 17
R2 2 6 10 14 18
R3 3 7 11 15 19
R4 4 8 12 16 20
确实，从长相上来说分不出差别，但是矩阵里面的元素必须一致，而数据框可以是各种类型数据的集合。这种集合不是无条件乱七八糟的集合，而是以列为单位，不同列的元素类型可以不同，但是同一列的元素类型必须一致。因此，矩阵可以看做特殊的数据框类型那么这么做有什么意义呢？在数据统计中，我们需要有各种各样类型的数据，就拿简单的成绩单来说，就包含了“姓名”，“学号”，“科目”等字符型元素，也包括“分数”等数值型元素，还有“是否通过”等布尔型元素，因此，从广泛意义上来说，dataframe更具有普适性，矩阵多用在数学计算中。说归说，我们来实际创建一个数据框，然后再演示一下它的具体操作：
> names
> StudentID
> subjects
> scores
> Result
> Result
StudentID names subjects scores
1 2014 小明 英语 87
2 2015 小红 英语 98
3 2016 小兰 英语 93
由上可见，当没有给数据框指定行名的时候，系统会默认从1开始给每行一个行号，这跟Excel表格有点类似。 还是同往常一样，我们先学习dataframe数据类型的基本操作
数据框元素的访问：既然矩阵是特殊的数据框，那么矩阵元素的访问方式应该也同样适用于dataframe吗？不是这样，我们知道，数据框是以行或者列为单位(行列可以转置)，因此访问元素时只能整行或者整列访问。即dataframe[1,](访问第一行)，dataframe[,1](访问第一列)采用这种方式访问列时，返回值是按行排列的形式。访问列同样也可以直接使用dataframe(1)访问第一列，或者dataframe(列名)来访问指定的列。也可以连续访问若干列，详见代码：
> Result[1,] #访问第一行
StudentID names subjects scores
1 2014 小明 英语 87
> Result[,1] #访问第一列
[1] 2014 2015 2016
Levels: 2014 2015 2016
> Result[1] #访问第一列
StudentID
1 2014
2 2015
3 2016
> Result["names"] #访问指定标号的列
names
1 小明
2 小红
3 小兰
> Result[1:3,]#访问1-3行
StudentID names subjects scores
1 2014 小明 英语 87
2 2015 小红 英语 98
3 2016 小兰 英语 93
> Result[1:3]#访问1-3列
StudentID names subjects
1 2014 小明 英语
2 2015 小红 英语
3 2016 小兰 英语> Result[c(1,3),]#只访问1,3行，注意写法 c( )
StudentID names subjects scores
1 2014 小明 英语 87
3 2016 小兰 英语 93
> Result[c(1,4)]#只访问1,4列，注意写法 c( )
StudentID scores
1 2014 87
2 2015 98
3 2016 93
> Result[c("names","scores")]#只访问names和scores列，注意写法 c( )
names scores
【r生成新的dataframe_R 语言的Dataframe常用操作】1 小明 87
2 小红 98
3 小兰 93
由上可得：对数据框操作，必须以向量为单位，使用c( ) or list( ),通过上述了解，我们发现，普通的访问必须带着行名和列名，这有的时候给我们带来不必要的麻烦，比如我要计算成绩平均值，带上列名Score会给我们带来一些困惑，于是有哪些方法可以在访问数据库元素时不带着行名或者列名呢？
方法一：用attach和detach函数，比如要打印所有names，那么可以写成：
> attach(Result)
The following objects are masked _by_ .GlobalEnv:
names, scores, StudentID, subjects
The following objects are masked from Result (pos = 3):
names, scores, StudentID, subjects
> name
> score
> detach(Result)
> name
[1] "小明" "小红" "小兰"
> score
[1] 87 98 93
> mean(score)
[1] 92.66667
方法二：用with函数
> with(Result,{score
> score
[1] 87 98 93
上面谈到了dataframe的创建和读取，如果我需要添加或者删除某一列该怎么办呢？
> Result$age
> Result
StudentID names subjects scores age
1 2014 小明 英语 87 12
2 2015 小红 英语 98 14
3 2016 小兰 英语 93 13
> Result2
> Result2
StudentID subjects scores age
1 2014 英语 87 12
2 2015 英语 98 14
3 2016 英语 93 13
如果我需要查询成绩等于98的学生的信息该怎么办呢？
> Result[which(Result$scores==98),]
StudentID names subjects scores age
2 2015 小红 英语 98 14
上面说过了，矩阵和数据框也是两种不同的数据类型，我们知道数据类型之间可以互相转换，用is.***( )可以判断某个变量是否为***类型，用as.***( )则将某个变量转换为***类型。那么相应的，矩阵转换为数据框类型则应为：
> myarray
C1 C2 C3 C4 C5
R1 1 5 9 13 17
R2 2 6 10 14 18
R3 3 7 11 15 19
R4 4 8 12 16 20
> myarrayframe
> myarrayframe
C1 C2 C3 C4 C5
R1 1 5 9 13 17
R2 2 6 10 14 18
R3 3 7 11 15 19
R4 4 8 12 16 20
> is.data.frame(myarray)
[1] FALSE
> is.data.frame(myarrayframe)
[1] TRUE
跟矩阵matrix操作一样，数据框也有rbind和cbind函数，用法大致相同，有兴趣的朋友可以简单联系一下，这里不再赘述。
最后，我们来谈一下数据框数据处理操作：
上面我们讲到，利用dataframe[ 列号 ]或者dataframe[ 列值 ]可以读取数据框的某一列，返回值仍为数据框类型，但是这部分数据不方便直接利用我们之前讲过的求和，求平均值等方法进行计算分析，因为读取的数据带有“行名/列名”，这个为字符型变量。有的人会问，我在创建数据框的时候，不加行名和列名不就行了？第一，在创建数据框的时候，会默认给你分配行名或者列名，第二，就算不分配行名或者列名，那数据框创建起来还有什么意义？
> mydataframe
C1 C2 C3 C4 C5
R1 1 5 9 13 17
R2 2 6 10 14 18
R3 3 7 11 15 19
R4 4 8 12 16 20
> mydataframe["C4"]
C4
R1 13
R2 14
R3 15
R4 16
> mean(mydataframe["C4"])
[1] NA
Warning message:
In mean.default(mydataframe["C4"]) : 参数不是数值也不是逻辑值：回覆NA
> is.data.frame(mydataframe["C4"])
[1] TRUE
方法一：将数据框格式重新转化为矩阵格式，然后按照矩阵索引的方式来找寻要处理的数据组，利用矩阵或者向量中相关函数来进行一定的数据处理。
> myarray2
> is.matrix(myarray2)
[1] TRUE
> myarray2
C1 C2 C3 C4 C5
R1 1 5 9 13 17
R2 2 6 10 14 18
R3 3 7 11 15 19
R4 4 8 12 16 20
> x
> x
R1 R2 R3 R4
9 10 11 12
> is.vector(x) #查看x是否为向量类型
[1] TRUE
> mean(x)
[1] 10.5
> sum(x)
[1] 42
方法二：在读取数据框列的时候换用另外一种方法，dataframe$(行名或者列名)，返回值是vector类型
> c
> c
[1] 9 10 11 12
> is.vector(c)
[1] TRUE
> mean(c)
[1] 10.5
> sum(c)
[1] 42
同时，也可以利用dataframe$(新的列名)
> mydataframe$sum
> mydataframe$mean
> mydataframe
C1 C2 C3 C4 C5 sum mean
R1 1 5 9 13 17 14 7
R2 2 6 10 14 18 16 8
R3 3 7 11 15 19 18 9
R4 4 8 12 16 20 20 10
最推崇的是下一种方法，直接利用transform函数组建新的数据框，具体用法如下：
> x1
> x2
> mydataframe2
> mydataframe2
C1 C2 C3 C4 C5 sum mean sum2 mean2
R1 1 5 9 13 17 14 7 10 5
R2 2 6 10 14 18 16 8 12 6
R3 3 7 11 15 19 18 9 14 7
R4 4 8 12 16 20 20 10 16 8

    推荐阅读


    上一篇：dataframe|dataframe python写入数据_Pandas 学习 第9篇（DataFrame - 数据的输入输出）

    下一篇：python|python ppt 绘图_Python数据分析-Matplotlib绘图基础