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 <-c(1,2,3,4)
- > C2 <-c(5,6,7,8)
- > C3 <-c(9,10,11,12)
- > C4 <-c(13,14,15,16)
- > C5 <-c(17,18,19,20)
- > mydataframe <- data.frame(C1,C2,C3,C4,C5,row.names = c("R1","R2","R3","R4"))
- > 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 <- c(1:20)
- > cnames <- c("C1","C2","C3","C4","C5")
- > rnames <- c("R1","R2","R3","R4")
- > myarray <- matrix(mydata,nrow = 4,ncol = 5,dimnames = list(rnames,cnames))
- > 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 <- c("小明","小红","小兰")
- > StudentID <- c("2014","2015","2016")
- > subjects <- c("英语","英语","英语")
- > scores <- c(87,98,93)
- > Result <- data.frame(StudentID,names,subjects,scores)
- > 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
- 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 <- names
- > score <-scores
- > 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 <- scores})
- > 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$age<-c(12,14,13) #添加age列
- > Result
- StudentID names subjects scores age
- 1 2014 小明 英语 87 12
- 2 2015 小红 英语 98 14
- 3 2016 小兰 英语 93 13
- > Result2 <- Result[-2] #删除name列
- > Result2
- StudentID subjects scores age
- 1 2014 英语 87 12
- 2 2015 英语 98 14
- 3 2016 英语 93 13
如果我需要查询成绩等于98的学生的信息该怎么办呢?
- > Result[which(Result$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 <- as.data.frame(myarray)
- > 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 <- as.matrix(mydataframe)
- > 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 <- myarray[,3] #读取第3列的值
- > 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$(行名或者列名),返回值是vector类型
- > c <- mydataframe$C3
- > 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$(新的列名) <- 新的向量,来给dataframe添加新的列,具体操作如下:
- > mydataframe$sum <- mydataframe$C1 +mydataframe$C4
- > mydataframe$mean <- (mydataframe$C1+mydataframe$C4)/2
- > mydataframe
- C1 C2 C3 C4 C5 sum mean
- R1 1 5 9 13 17 14 7
- R2 2 6 10 14 18 16 8
- R3 3 7 11 15 19 18 9
- R4 4 8 12 16 20 20 10
最推崇的是下一种方法,直接利用transform函数组建新的数据框,具体用法如下:
- > x1 <- mydataframe$C1
- > x2 <- mydataframe$C3
- > mydataframe2 <- transform(mydataframe,sum2=x1+x2,mean2=(x1+x2)/2)
- > 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
R 语言的Dataframe常用操作的更多相关文章
- R语言 入门知识--常用操作和例子
1 R的下载.安转 (转)R有很多的版本,支持目前主流的操作系统MAC.Linux和WINDOWS系列.因为我个人是在WINDOWS下用R的,所以在这里将只介绍WINDOWS下R的下载&安 ...
- R语言文件相关的操作
1. 文件系统介绍 R语言对文件系统的操作,包括文件操作和目录操作,函数API都定义在base包中. 2. 目录操作 2.1 查看目录 查看当前目录下的子目录. # 启动R程序 ~ R # 当前的目录 ...
- R语言之数据处理常用包
dplyr包是Hadley Wickham的新作,主要用于数据清洗和整理,该包专注dataframe数据格式,从而大幅提高了数据处理速度,并且提供了与其它数据库的接口:tidyr包的作者是Hadley ...
- r语言与dataframe
什么是DataFrame 引用 r-tutor上的定义: DataFrame 是一个表格或者类似二维数组的结构,它的各行表示一个实例,各列表示一个变量. 没错,DataFrame就是类似于Excel表 ...
- R语言进行文件夹操作示例(转)
rm(list=ls())path = 'J:/lab/EX29 --在R语言中进行文件(夹)操作'setwd(path)cat("file A\n", file="A& ...
- R语言把DataFrame的一行变成向量
在R语言里面,DataFrame的一列数据本质上可以认为是一个向量或列表,但是一行数据不是. 今天有一个31列的数据集,由于放在第一行的变量名格式不规范,读入数据的时候不能顺带读入变量名.于是跳过首行 ...
- pyspark dataframe 常用操作
spark dataframe派生于RDD类,但是提供了非常强大的数据操作功能.当然主要对类SQL的支持. 在实际工作中会遇到这样的情况,主要是会进行两个数据集的筛选.合并,重新入库. 首先加 ...
- Pandas 之 DataFrame 常用操作
import numpy as np import pandas as pd This section will walk you(引导你) through the fundamental(基本的) ...
- R语言描述性统计常用函数
随机推荐
- git使用相关记录
上传github操作记录:https://blog.csdn.net/pql925/article/details/72772660 git提交仓库相关:https://blog.csdn.net/M ...
- vuex 管理vue-router的传值
假设有这样的一种情况,在两个组件中.一个组件[A]主要是比如说放表格数据,而另外一个组件[B]是专门用来向组件A的表格添加数据的表单.这个时候就是两个兄弟组件之间传递数据了.首先想到的是使用兄弟组件传 ...
- 高性能JavaScript(数据存取)
数据存取分为4各部分 存取位置 作用域及改变作用域 原型以及原型链 缓存对象成员值 存取位置 JavaScript 有4中基本的数据存取位置 字面量:字面量代表自身,不存于特定的位置.比如这个的匿名函 ...
- AngularJS学习之 ui router
1.安装 bower install --save angular_ui-router 2.在项目主页面 index.html中添加 <div ui-view="">& ...
- SD配置步骤清单
定义销售组织 定义分销渠道 定义产品组 给公司代码分配销售组织 给销售组织分配销售渠道 给工厂分配销售组织.分销渠道 给销售组织分配产品组 定义销售范围 定义装运点 给工厂分配装运点 维护工厂的装运点 ...
- 解决Python 爬取ssh证书 的报错问题
Python3 中会要求添加信任证书,但只是进行爬取数据就没必要了,我们可以忽略它 r1 =requests.get("https://www.baidu.com", verify ...
- SVN CentOS7 下配置svn的安装及基础配置介绍
CentOS7 下配置svn的安装及基础配置介绍 by:授客 QQ:1033553122 目录 一. 二. 三. 四. 五. 六. 七. 一. 实践环境 CentOS 7操作系统(CentO ...
- 如何获取listview里面的edittext或者RadioGroup的值,涉及到引发的混乱现象
最近要实现从数据库读数据,该数据对应listview的item布局里面的RadioButton值,并且item布局里面还有EditText的控件. 如何将每一条对应的listview对应值获取出来呢? ...
- 常用内置方法之:__str__,__repr__
class Test(object): def __init__(self): pass def __str__(self): return "test" test = Test( ...
- SQL Server全文搜索
SQL Server全文搜索 看这篇文章之前请先看一下下面我摘抄的全文搜索的MSDN资料,基本上MSDN上关于全文搜索的资料的我都copy下来了 并且非常认真地阅读和试验了一次,并且补充了一些SQL语 ...