1.插入一列

根据自带数据集beaver 进行操作,比如插入一列id。

> colnames(beaver1)
[1] "day" "time" "temp" "activ"
> nrow(beaver1)
[1] 114

方法1:

new_beaver1$id = rep(1,114)

方法2

new_beaver1 = data.frame(id = rep(1,114),beaver1)

方法3

x = data.frame(
id = rep(1,114)
)
new_beaver1 = cbind(beaver1,x)

2.插入一行

new_beaver1 = beaver1
x=c(348,350,98.15,0,1)
rbind(beaver1,x)

首先明确 beaver1 是输出整个数据框,beaver1[行范围,列范围]打印出指定范围的数据框。

3.按照条件提取数据

beavear1[行条件,列条件]

4.删除数据框数据

处理规则是要删除的行或者是列不给显示然后赋予一个新的数据框。

beaver1[行,列]

比如 beaver1[--c(1:5),1:2] 不打印第1到5行且只打印第1到2列。

5.一个习题:

beaver1 和 beaver2 数据集包含两个海狸的体温数据。为beaver1数据集添加一列名为id的列,其值全部为1。同样,也为 beaver2 添加一个id列,值全为2。 垂直拼接两个数据框,并且找到所有活跃着的海狸的子集。

> new_beaver1 = data.frame(id = rep(1,114),beaver1)
> new_beaver2 = data.frame(id = rep(2,100),beaver2)
> new_beaver=rbind(new_beaver1,new_beaver2)
> new_beaver[new_beaver$activ==1,]
id day time temp activ
54 1 346 1730 37.07 1
68 1 346 1950 37.10 1
80 1 346 2150 37.53 1
83 1 346 2230 37.25 1
86 1 346 2300 37.24 1
114 1 347 340 37.15 1
153 2 307 1550 37.98 1
154 2 307 1600 38.02 1
155 2 307 1610 38.00 1
156 2 307 1620 38.24 1
157 2 307 1630 38.10 1
158 2 307 1640 38.24 1
159 2 307 1650 38.11 1
160 2 307 1700 38.02 1
161 2 307 1710 38.11 1
162 2 307 1720 38.01 1
163 2 307 1730 37.91 1
164 2 307 1740 37.96 1
165 2 307 1750 38.03 1
166 2 307 1800 38.17 1
167 2 307 1810 38.19 1
168 2 307 1820 38.18 1
169 2 307 1830 38.15 1
170 2 307 1840 38.04 1
171 2 307 1850 37.96 1
172 2 307 1900 37.84 1
173 2 307 1910 37.83 1
174 2 307 1920 37.84 1
175 2 307 1930 37.74 1
176 2 307 1940 37.76 1
177 2 307 1950 37.76 1
178 2 307 2000 37.64 1
179 2 307 2010 37.63 1
180 2 307 2020 38.06 1
181 2 307 2030 38.19 1
182 2 307 2040 38.35 1
183 2 307 2050 38.25 1
184 2 307 2100 37.86 1
185 2 307 2110 37.95 1
186 2 307 2120 37.95 1
187 2 307 2130 37.76 1
188 2 307 2140 37.60 1
189 2 307 2150 37.89 1
190 2 307 2200 37.86 1
191 2 307 2210 37.71 1
192 2 307 2220 37.78 1
193 2 307 2230 37.82 1
194 2 307 2240 37.76 1
195 2 307 2250 37.81 1
196 2 307 2300 37.84 1
197 2 307 2310 38.01 1
198 2 307 2320 38.10 1
199 2 307 2330 38.15 1
200 2 307 2340 37.92 1
201 2 307 2350 37.64 1
202 2 308 0 37.70 1
203 2 308 10 37.46 1
204 2 308 20 37.41 1
205 2 308 30 37.46 1
206 2 308 40 37.56 1
207 2 308 50 37.55 1
208 2 308 100 37.75 1
209 2 308 110 37.76 1
210 2 308 120 37.73 1
211 2 308 130 37.77 1
212 2 308 140 38.01 1
213 2 308 150 38.04 1
214 2 308 200 38.07 1

  

R 数据框的操作的更多相关文章

  1. R语言Data Frame数据框常用操作

    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 ...

  2. 转载:R语言Data Frame数据框常用操作

    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 ...

  3. (数据科学学习手札07)R在数据框操作上方法的总结(初级篇)

    上篇我们了解了Python中pandas内封装的关于数据框的常用操作方法,而作为专为数据科学而生的一门语言,R在数据框的操作上则更为丰富精彩,本篇就R处理数据框的常用方法进行总结: 1.数据框的生成 ...

  4. R学习笔记 第三篇:数据框

    数据框(data.frame)用于存储二维表(即关系表)的数据,每一列存储的数据类型必须相同,不同的数据列的数据类型可以相同,也可以不同,但是,每列的长度必须相同.数据框的每列可以有唯一的命名,在已创 ...

  5. R语言学习 第三篇:数据框

    数据框(data.frame)是最常用的数据结构,用于存储二维表(即关系表)的数据,每一列存储的数据类型必须相同,不同数据列的数据类型可以相同,也可以不同,但是每列的行数(长度)必须相同.数据框的每列 ...

  6. R语言笔记1--向量、数组、矩阵、数据框、列表

    注释:R语言是区分大小写的 1.向量 R语言中可以将各种向量赋值为一个变量,这种赋值操作符就是等号“=”,也可以使用“<-”. 1)产生向量 (1)函数c() 例如:x1=c(2,4,6,8,0 ...

  7. R语言数据分析利器data.table包 —— 数据框结构处理精讲

        R语言data.table包是自带包data.frame的升级版,用于数据框格式数据的处理,最大的特点快.包括两个方面,一方面是写的快,代码简洁,只要一行命令就可以完成诸多任务,另一方面是处理 ...

  8. (数据科学学习手札06)Python在数据框操作上的总结(初级篇)

    数据框(Dataframe)作为一种十分标准的数据结构,是数据分析中最常用的数据结构,在Python和R中各有对数据框的不同定义和操作. Python 本文涉及Python数据框,为了更好的视觉效果, ...

  9. R语言数据分析利器data.table包—数据框结构处理精讲

    R语言数据分析利器data.table包-数据框结构处理精讲 R语言data.table包是自带包data.frame的升级版,用于数据框格式数据的处理,最大的特点快.包括两个方面,一方面是写的快,代 ...

随机推荐

  1. redhat 7.6 rsync 配置,实时同步脚本

    1.查看rsync,并安装 yum install rsync -y 2.配置/etc/rsyncd.conf文件 建议cp一份作为备份,清空内容复制以下配置 [服务端配置]log file = /v ...

  2. 「JLOI2011」飞行路线

    前言 看到好多大佬都在跑分层图最短路,\(\text{DP}\) 解法的我瑟瑟发抖... 题目描述 给定一张 \(N\) 个点(点编号从 \(0\) 到 \(N-1\)),\(M\) 条边的无向带权图 ...

  3. Scrapy 框架结构及工作原理

    1.下图为 Scrapy 框架的组成结构,并从数据流的角度揭示 Scrapy 的工作原理 2.首先.简单了解一下 Scrapy 框架中的各个组件 组       件 描      述 类   型 EN ...

  4. UniCode 速查表

    unicode速查表 0000–0FFF 1000–1FFF 2000–2FFF 3000–3FFF 4000–4FFF 5000–5FFF 6000–6FFF 7000–7FFF 8000–8FFF ...

  5. 认识系统服务 (daemons)

      daemon(守护进程:后台程序)与服务:   系统为了某些功能必须要提供一些服务 (不论是系统本身还是网络方面),这个服务就称为 service .但是 service 的提供总是需要程序的运作 ...

  6. java学习-初级入门-面向对象①-面向对象概述-结构化程序设计

    为了学习面向对象程序设计,今天我们先利用面向对象以前的知识,设计一个学生类. 要求进行结构化程序设计. 学生类: Student 要求:存储学生的基本信息(姓名.性别.学历层次和年级),实现学生信息的 ...

  7. Python—处理Excel表格

    一.使用xlrd和xlwt这两个库来处理excel,即xlrd是读excel的库,xlwt是写excel的库 1.使用 xlrd 读取Excel数据 # -*- coding:utf-8 -*- im ...

  8. 嵊州普及Day4T1

    题意:从n个数中选出k个数,使他们任意两数之差都等于m. 思路:任意差值都等于m,不就等价于k个数模m余数相同吗? 然后桶排储蓄一下各数余数即可. 见代码: #include<iostream& ...

  9. Python dir和vars的区别

    dir()和vars()的区别就是 dir()只打印属性(属性,属性......) 而vars()则打印属性与属性的值(属性:属性值......) ex. >> a='aaaaaaaaaa ...

  10. 关于Burp Suite Intruder 的四种攻击方式

    以下面这一段参数为例,被§§包围的部分为需要破解的部分: user=§ss§&password=§zxcv§&imageField.x=17&imageField.y=1 (1 ...