R語言-資料框dataframe的使用
阿新 • • 發佈:2019-02-20
1、資料框是R語言裡中的一種資料結構,其內部可以由多種資料型別,每一列是一個變數,每行是一個觀測記錄。在R中資料框是很通用的資料結構,它是一種特殊的列表物件
2、初始化資料框
-
> mydataframe=data.frame(
-
+ name=c(\"張三\", \"李四\", \"王五\", \"趙六\", \"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 張三 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 趙六 M 16 167.5 53.0
- 5 丁一 M 19 170.0 69.5
-
> mylist<-list(
-
+ name=c(\"張三\", \"李四\", \"王五\", \"趙六\", \"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] \"張三\" \"李四\" \"王五\" \"趙六\" \"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
-
$weight
-
[1] 55.0 60.0 63.0 53.0 69.5
-
> mylist=as.data.frame(mylist)
-
> mylist
-
name sex age height weight
-
1 張三 F 16 167.5 55.0
-
2 李四 F 17 156.3 60.0
-
3 王五 M 18 177.3 63.0
-
4 趙六 M 16 167.5 53.0
- 5 丁一 M 19 170.0 69.5
-
> x=array(1:12,c(3,4))
-
> x
-
[,1] [,2] [,3] [,4]
-
[1,] 1 4 7 10
-
[2,] 2 5 8 11
-
[3,] 3 6 9 12
-
> x=as.data.frame(x)
-
> x
-
V1 V2 V3 V4
-
1 1 4 7 10
-
2 2 5 8 11
- 3 3 6 9 12
(1)使用下標引用
-
> mydataframe[1:4,3:5]
-
age height weight
-
1 16 167.5 55
-
2 17 156.3 60
-
3 18 177.3 63
- 4 16 167.5 53
(2)按列表名引用
-
> mydataframe[[\"weight\"]]
-
[1] 55.0 60.0 63.0 53.0 69.5
-
> mydataframe[[\"height\"]]
-
[1] 167.5 156.3 177.3 167.5 170.0
-
> mydataframe$height
- [1] 167.5 156.3 177.3 167.5 170.0
-
> names(mydataframe)
-
[1] \"name\" \"dex\" \"age\" \"height\" \"weight\"
-
> mydataframe
-
name dex age height weight
-
1 張三 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 趙六 M 16 167.5 53.0
-
5 丁一 M 19 170.0 69.5
-
> rownames(mydataframe)=c(\"第一行\",\"第二行\",\"第三行\",\"第四行\",\"第五行\")
-
> mydataframe
-
name dex age height weight
-
第一行 張三 F 16 167.5 55.0
-
第二行 李四 F 17 156.3 60.0
-
第三行 王五 M 18 177.3 63.0
-
第四行 趙六 M 16 167.5 53.0
-
第五行 丁一 M 19 170.0 69.5
-
> colnames(mydataframe)=c(\"第一列\",\"第二列\",\"第三列\",\"第四列\",\"第五列\")
-
> mydataframe
-
第一列 第二列 第三列 第四列 第五列
-
第一行 張三 F 16 167.5 55.0
-
第二行 李四 F 17 156.3 60.0
-
第三行 王五 M 18 177.3 63.0
-
第四行 趙六 M 16 167.5 53.0
-
第五行 丁一 M 19 170.0 69.5
(1)使用attach()函式將資料框載入到記憶體中
-
> attach(mydataframe)
-
> r=height/weight
-
錯誤: 找不到物件\'height\'
-
> r=\'第四列\'/\'第五列\'
-
錯誤於\"第四列\"/\"第五列\" : 二進列運算子中有非數值引數
-
> mydataframe=mylist
-
> attach(mydataframe)
-
> r=height/weight
-
> r
- [1] 3.045455 2.605000 2.814286 3.160377 2.446043
(2)將新的變數新增到資料框中
-
> mydataframe
-
name sex age height weight
-
1 張三 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 趙六 M 16 167.5 53.0
-
5 丁一 M 19 170.0 69.5
-
> mydataframe$myR=height/weight
-
> mydataframe
-
name sex age height weight myR
-
1 張三 F 16 167.5 55.0 3.045455
-
2 李四 F 17 156.3 60.0 2.605000
-
3 王五 M 18 177.3 63.0 2.814286
-
4 趙六 M 16 167.5 53.0 3.160377
-
5 丁一 M 19 170.0 69.5 2.446043
- >
6、編輯資料框(手動修改)
(1)使用edit() 函式
- mydataframenew=edit(mydataframe)
(2)使用fix函式
- fix(mydataframe)
-
df1=data.frame(name=c("aa","bb","cc"),age=c(20,29,30),sex=c("f","m","f"))
-
df2=data.frame(name=c("dd","bb","cc"),age=c(40,35,36),sex=c("f","m","f"))
- mergedf=merge(df1,df2,by="name")
8、subset函式,從某一個數據框中選擇出符合某條件的資料或是相關的列
(1)單條件查詢
-
> selectresult=subset(df1,name=="aa")
-
> selectresult
-
name age sex
-
1 aa 20 f
-
> df1
-
name age sex
-
1 aa 20 f
-
2 bb 29 m
- 3 cc 30 f
-
> selectresult=subset(df1,name=="aa",select=c(age,sex))
-
> selectresult
-
age sex
- 1 20 f
-
> selectresult=subset(df1,name=="aa" & sex=="f",select=c(age,sex))
-
> selectresult
-
age sex
-
1 20 f
-
> df1
-
name age sex
-
1 aa 20 f
-
2 bb 29 m
- 3 cc 30 f
Data Frame一般被翻譯為資料框,感覺就像是R中的表,由行和列組成,與Matrix不同的是,每個列可以是不同的資料型別,而Matrix是必須相同的。
Data Frame每一列有列名,每一行也可以指定行名。如果不指定行名,那麼就是從1開始自增的Sequence來標識每一行。初始化
使用data.frame函式就可以初始化一個Data Frame。比如我們要初始化一個student的Data Frame其中包含ID和Name還有Gender以及Birthdate,那麼程式碼為: student<-data.frame(ID=c(11,12,13),Name=c("Devin","Edward","Wenli"),Gender=c("M","M","F"),Birthdate=c("1984-12-29","1983-5-6","1986-8-8”)) 另外也可以使用read.table() read.csv()讀取一個文字檔案,返回的也是一個Data Frame物件。讀取資料庫也是返回Data Frame物件。 檢視student的內容為: ID Name Gender Birthdate 1 11 Devin M 1984-12-29 2 12 Edward M 1983-5-6 3 13 Wenli F 1986-8-8 這裡只指定了列名為ID,Name,Gender和Birthdate,使用names函式可以檢視列名,如果要檢視行名,需要用到row.names函式。這裡我們希望將ID作為行名,那麼可以這樣寫: row.names(student)<-student$ID 更簡單的辦法是在初始化date.frame的時候,有引數row.names可以設定行名的向量。訪問元素
與Matrix一樣,使用[行Index,列Index]的格式可以訪問具體的元素。 比如訪問第一行: student[1,] 訪問第二列: student[,2] 使用列的Index或者列名可以選取要訪問的哪些列。比如要ID和Name,那麼程式碼為: idname<-student[1:2] 或者是 idname<-student[c("ID","Name”)] 如果是隻訪問某一列,返回的是Vector型別的,那麼可以使用[[或者$來訪問。比如我們要所有student的Name,程式碼為: name<-student[[2]] 或者name<-student[[“Name”]] 或者name<-student$Name 使用attach和detach函式可以使得訪問列時不需要總是跟著變數名在前面。 比如要列印所有Name,那麼可以寫成: attach(student)print(Name)
detach(student) 還可以換一種簡潔一點的寫法就是用with函式: with(student,{
n<-Name
print(n)
}) 這裡的n作用域只在大括號內,如果想在with函式中對全域性的變數進行賦值,那麼需要使用<<-這樣一個運算子。
修改列資料型別
接下來我們檢視該物件每列的型別,使用str(student)可以得到如下結果: '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 預設情況下,字串向量都會被自動識別成Factor,也就是說,ID是數字型別,其他的3個列都被定義為Factor型別了。顯然這裡Name應該是字串型別,Birthdate應該是Date型別,我們需要對列的資料型別進行更改: student$Name<-as.character(student$Name)student$Birthdate<-as.Date(student$Birthdate) 下面我們再執行str(student)看看修改後的結果: '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”
新增新列
對於以及存在的student物件,我們希望增加Age列,該列是根據Birthdate算出來的。首先需要知道怎麼算年齡。我們可以使用日期函式Sys.Date()獲得當前的日期,然後使用format函式獲得年份,然後用兩個年份相減就是年齡。好像R並沒有提供幾個能用的日期函式,我們只能使用format函式取出年份部分,然後轉換為int型別相減。 student$Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(student$Birthdate,"%Y”)) 這樣寫似乎太長了,我們可以用within函式,這個函式和之前提到過的with函式類似,可以省略變數名,不同的地方是within函式可以在其中修改變數,也就是我們這裡增加Age列: student<-within(student,{Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(Birthdate,"%Y"))
})
查詢/子集
查詢一個Date Frame,返回一個滿足條件的子集,這相當於資料庫中的表查詢,是非常常見的操作。使用行和列的Index來獲取子集是最簡單的方法,前面已經提到過。如果我們使用布林向量,配合which函式,可以實現對行的過濾。比如我們要查詢所有Gender為F的資料,那麼我們首先對student$Gender==“F”,得到一個布林向量:FALSE FALSE TRUE,然後使用which函式可以將布林向量中TRUE的Index返回,所以我們的完整查詢語句就是: student[which(student$Gender=="F"),] 注意這裡列Index並沒有輸入,如果我們只想知道所有女生的年齡,那麼可以改為: student[which(student$Gender=="F"),"Age”] 這樣的查詢寫法還是複雜了點,可以直接使用subset函式,那麼查詢會簡單些,比如我們把查詢條件改為年齡<30的女性,查姓名和年齡,那麼查詢語句為: subset(student,Gender=="F" & Age<30 ,select=c("Name","Age")) 使用SQL查詢Data Frame 對於我這種使用了多年SQL的人來說,如果能夠直接寫SQL語句對Data Frame進行查詢操作,那是多麼方便美妙的啊,結果還真有這麼一個包:sqldf。 同樣是前面的需求,對應的語句就是: library(sqldf)result<-sqldf("select Name,Age from student where Gender='F' and Age<30")
連線/合併
對於資料庫來說,對多表進行join查詢是一個很正常的事情,那麼在R中也可以對多個Data Frame進行連線,這就需要使用merge函式。 比如除了前面申明的student物件外,我們再申明一個score變數,記錄了每個學生的科目和成績: score<-data.frame(SID=c(11,11,12,12,13),Course=c("Math","English","Math","Chinese","Math"),Score=c(90,80,80,95,96)) 我們看看該表的內容: SID Course Score 1 11 Math 90 2 11 English 80 3 12 Math 80 4 12 Chinese 95 5 13 Math 96 這裡的SID就是Student裡面的ID,相當於一個外來鍵,現在要用這個ID進行inner join操作,那麼對應的R語句就是: result<-merge(student,score,by.x="ID",by.y="SID") 我們看看merge以後的結果: 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 正如我們期望的一樣join在了一起。 除了join,另外一個操作就是union,這也是資料庫常用操作,那麼在R中如何將兩個列一樣的Data Frame Union聯接在一起呢?雖然R語言中有union函式,但是不是SQL的Union的意思,我們要實現Union功能,需要用到rbind函式。 rbind的兩個Data Frame必須有相同的列,比如我們再申明一個student2,將兩個變數rbind起來: 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)