R 語言的Dataframe常用操作
上節我們簡單介紹了Dataframe的定義,這節我們具體來看一下Dataframe的操作
首先,數據框的創建函數為 data.frame( ),參考R語言的幫助文檔,我們來了解一下data.frame( )的具體用法:
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.
當然,後面還有很多參數的具體用法,在此不做一一贅述,主要用到的就是前兩個。首先,“...”代表了表格數據,就是要構成數據框的數據主體,row.names( )為要構成數據框的行名,那麽既然數據框相當於R語言的一個表格,應該既有行名也有列名才對,那麽列名又是如何給出的呢?我們知道,很多的數據處理軟件以及算法是以數據的列為單位進行的,之前我們構建矩陣的時候,默認也是按列填充(byrow=FALSE),而列名在創建數據框開始我們就已經確定好了的。詳見下面代碼:
我想要創建一個名為“mydataframe”的數據框,首先確定數據框裏面的列有哪些,然後調用函數data.frame( )函數
> 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
由此可見,數據框是把現有的列拼接成一個表格的一種數據結構,細心的朋友會發現,這個數據框怎麽跟上節我們講過的矩陣長得那麽一樣!!!再回顧一下上節的矩陣創建:
> 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
確實,從長相上來說分不出差別,但是矩陣裏面的元素必須一致,而數據框可以是各種類型數據的集合。這種集合不是無條件亂七八糟的集合,而是以列為單位,不同列的元素類型可以不同,但是同一列的元素類型必須一致。因此,矩陣可以看做特殊的數據框類型那麽這麽做有什麽意義呢?在數據統計中,我們需要有各種各樣類型的數據,就拿簡單的成績單來說,就包含了“姓名”,“學號”,“科目”等字符型元素,也包括“分數”等數值型元素,還有“是否通過”等布爾型元素,因此,從廣泛意義上來說,dataframe更具有普適性,矩陣多用在數學計算中。說歸說,我們來實際創建一個數據框,然後再演示一下它的具體操作:
> names <- c("小明","小紅","小蘭") > StudentID <- c("2014","2015","2016") > subjects <- c("英語","英語","英語") > scores <- c(87,98,93) > Result <- data.frame(StudentID,names,subjects,scores) > Result StudentID names subjects scores 1 2014 小明 英語 87 2 2015 小紅 英語 98 3 2016 小蘭 英語 93
由上可見,當沒有給數據框指定行名的時候,系統會默認從1開始給每行一個行號,這跟Excel表格有點類似。 還是同往常一樣,我們先學習dataframe數據類型的基本操作
數據框元素的訪問:既然矩陣是特殊的數據框,那麽矩陣元素的訪問方式應該也同樣適用於dataframe嗎?不是這樣,我們知道,數據框是以行或者列為單位(行列可以轉置),因此訪問元素時只能整行或者整列訪問。即dataframe[1,](訪問第一行),dataframe[,1](訪問第一列)采用這種方式訪問列時,返回值是按行排列的形式。訪問列同樣也可以直接使用dataframe(1)訪問第一列,或者dataframe(列名)來訪問指定的列。也可以連續訪問若幹列,詳見代碼:
> Result[1,] #訪問第一行 StudentID names subjects scores 1 2014 小明 英語 87 > Result[,1] #訪問第一列 [1] 2014 2015 2016 Levels: 2014 2015 2016 > Result[1] #訪問第一列 StudentID 1 2014 2 2015 3 2016 > Result["names"] #訪問指定標號的列 names 1 小明 2 小紅 3 小蘭
> Result[1:3,] #訪問1-3行 StudentID names subjects scores 1 2014 小明 英語 87 2 2015 小紅 英語 98 3 2016 小蘭 英語 93 > Result[1:3] #訪問1-3列 StudentID names subjects 1 2014 小明 英語 2 2015 小紅 英語 3 2016 小蘭 英語 > Result[c(1,3),] #只訪問1,3行,註意寫法 c( ) StudentID names subjects scores 1 2014 小明 英語 87 3 2016 小蘭 英語 93 > Result[c(1,4)] #只訪問1,4列,註意寫法 c( ) StudentID scores 1 2014 87 2 2015 98 3 2016 93 > Result[c("names","scores")] #只訪問names和scores列,註意寫法 c( ) names scores 1 小明 87 2 小紅 98 3 小蘭 93
由上可得:對數據框操作,必須以向量為單位,使用c( ) or list( ),通過上述了解,我們發現,普通的訪問必須帶著行名和列名,這有的時候給我們帶來不必要的麻煩,比如我要計算成績平均值,帶上列名Score會給我們帶來一些困惑,於是有哪些方法可以在訪問數據庫元素時不帶著行名或者列名呢?
方法一:用attach和detach函數,比如要打印所有names,那麽可以寫成:
> 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" "小紅" "小蘭" > score [1] 87 98 93 > mean(score) [1] 92.66667
方法二:用with函數
> with(Result,{score <- scores}) > score [1] 87 98 93
上面談到了dataframe的創建和讀取,如果我需要添加或者刪除某一列該怎麽辦呢?
> Result$age<-c(12,14,13) #添加age列 > Result StudentID names subjects scores age 1 2014 小明 英語 87 12 2 2015 小紅 英語 98 14 3 2016 小蘭 英語 93 13
> Result2 <- Result[-2] #刪除name列
> Result2
StudentID subjects scores age
1 2014 英語 87 12
2 2015 英語 98 14
3 2016 英語 93 13
如果我需要查詢成績等於98的學生的信息該怎麽辦呢?
> Result[which(Result$scores==98),] StudentID names subjects scores age 2 2015 小紅 英語 98 14
上面說過了,矩陣和數據框也是兩種不同的數據類型,我們知道數據類型之間可以互相轉換,用is.***( )可以判斷某個變量是否為***類型,用as.***( )則將某個變量轉換為***類型。那麽相應的,矩陣轉換為數據框類型則應為:
> 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
跟矩陣matrix操作一樣,數據框也有rbind和cbind函數,用法大致相同,有興趣的朋友可以簡單聯系一下,這裏不再贅述。
R 語言的Dataframe常用操作