2. 程式人生 > >R語言-資料框dataframe的使用

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

  1. > mydataframe=data.frame(
  2. + name=c(\"張三\", \"李四\", \"王五\", \"趙六\", \"丁一\"),
  3. + sex=c(\"F\", \"F\", \"M\", \"M\", \"M\"),
  4. + age=c(16, 17, 18, 16, 19),
  5. + height=c(167.5, 156.3, 177.3, 167.5, 170.0),
  6. + weight=c(55.0, 60.0, 63.0, 53.0, 69.5)
  7. + );
  8. > mydataframe
  9.   name sex age height weight
  10. 1 張三   F  16  167.5   55.0
  11. 2 李四   F  17  156.3   60.0
  12. 3 王五   M  18  177.3   63.0
  13. 4 趙六   M  16  167.5   53.0
  14. 5 丁一   M  19  170.0   69.5
複製程式碼 2、List資料可以轉成dataframe
  1. > mylist<-list(
  2. + name=c(\"張三\", \"李四\", \"王五\", \"趙六\", \"丁一\"),
  3. +  sex=c(\"F\", \"F\", \"M\", \"M\", \"M\"),
  4. +  age=c(16, 17, 18, 16, 19),
  5. +  height=c(167.5, 156.3, 177.3, 167.5, 170.0),
  6. + weight=c(55.0, 60.0, 63.0, 53.0, 69.5)
  7. + );
  8. > mylist
  9. $name
  10. [1] \"張三\" \"李四\" \"王五\" \"趙六\" \"丁一\"
  11. $sex
  12. [1] \"F\" \"F\" \"M\" \"M\" \"M\"
  13. $age
  14. [1] 16 17 18 16 19
  15. $height
  16. [1] 167.5 156.3 177.3 167.5 170.0
  17. $weight
  18. [1] 55.0 60.0 63.0 53.0 69.5
  19. > mylist=as.data.frame(mylist)
  20. > mylist
  21.   name sex age height weight
  22. 1 張三   F  16  167.5   55.0
  23. 2 李四   F  17  156.3   60.0
  24. 3 王五   M  18  177.3   63.0
  25. 4 趙六   M  16  167.5   53.0
  26. 5 丁一   M  19  170.0   69.5
複製程式碼 3、矩陣可以轉化為資料框，如果原來有列名，那麼列名將被改作為資料框的變數名，如果沒有列名，那系統會自動為矩陣的各列起一個變數名，如：V1，V2，V3...
  1. > x=array(1:12,c(3,4))
  2. > x
  3. [,1] [,2] [,3] [,4]
  4. [1,] 1 4 7 10
  5. [2,] 2 5 8 11
  6. [3,] 3 6 9 12
  7. > x=as.data.frame(x)
  8. > x
  9. V1 V2 V3 V4
  10. 1 1 4 7 10
  11. 2 2 5 8 11
  12. 3 3 6 9 12
複製程式碼 4、資料框的引用
（1）使用下標引用
  1. > mydataframe[1:4,3:5]
  2. age height weight
  3. 1 16 167.5 55
  4. 2 17 156.3 60
  5. 3 18 177.3 63
  6. 4 16 167.5 53
複製程式碼 說明：表示顯示第1到第3行的第3到第5列的資料
（2）按列表名引用
  1. > mydataframe[[\"weight\"]]
  2. [1] 55.0 60.0 63.0 53.0 69.5
  3. > mydataframe[[\"height\"]]
  4. [1] 167.5 156.3 177.3 167.5 170.0
  5. > mydataframe$height
  6. [1] 167.5 156.3 177.3 167.5 170.0
複製程式碼 （3）資料框的names的作用（修改列名、行名）
  1. > names(mydataframe)
  2. [1] \"name\" \"dex\" \"age\" \"height\" \"weight\"
  3. > mydataframe
  4. name dex age height weight
  5. 1 張三 F 16 167.5 55.0
  6. 2 李四 F 17 156.3 60.0
  7. 3 王五 M 18 177.3 63.0
  8. 4 趙六 M 16 167.5 53.0
  9. 5 丁一 M 19 170.0 69.5
  10. > rownames(mydataframe)=c(\"第一行\",\"第二行\",\"第三行\",\"第四行\",\"第五行\")
  11. > mydataframe
  12. name dex age height weight
  13. 第一行 張三 F 16 167.5 55.0
  14. 第二行 李四 F 17 156.3 60.0
  15. 第三行 王五 M 18 177.3 63.0
  16. 第四行 趙六 M 16 167.5 53.0
  17. 第五行 丁一 M 19 170.0 69.5
  18. > colnames(mydataframe)=c(\"第一列\",\"第二列\",\"第三列\",\"第四列\",\"第五列\")
  19. > mydataframe
  20. 第一列 第二列 第三列 第四列 第五列
  21. 第一行 張三 F 16 167.5 55.0
  22. 第二行 李四 F 17 156.3 60.0
  23. 第三行 王五 M 18 177.3 63.0
  24. 第四行 趙六 M 16 167.5 53.0
  25. 第五行 丁一 M 19 170.0 69.5
複製程式碼 5、attach函式，資料框的主要用途是儲存統計建模的資料，R的統計建模功能都需要以資料框為輸入資料，我們可以把資料框當成一種矩陣來處理。在使用資料框的變數時可以使用“資料框名$變數名”來獲取資料框的變數值。但是這種用法比較麻煩，R提供attach() 函式可以把資料框中的變數“連線”到記憶體中，這樣便於資料框資料的呼叫。
（1）使用attach()函式將資料框載入到記憶體中
  1. > attach(mydataframe)
  2. > r=height/weight
  3. 錯誤: 找不到物件\'height\'
  4. > r=\'第四列\'/\'第五列\'
  5. 錯誤於\"第四列\"/\"第五列\" : 二進列運算子中有非數值引數
  6. > mydataframe=mylist
  7. > attach(mydataframe)
  8. > r=height/weight
  9. > r
  10. [1] 3.045455 2.605000 2.814286 3.160377 2.446043
複製程式碼
（2）將新的變數新增到資料框中
  1. > mydataframe
  2. name sex age height weight
  3. 1 張三 F 16 167.5 55.0
  4. 2 李四 F 17 156.3 60.0
  5. 3 王五 M 18 177.3 63.0
  6. 4 趙六 M 16 167.5 53.0
  7. 5 丁一 M 19 170.0 69.5
  8. > mydataframe$myR=height/weight
  9. > mydataframe
  10. name sex age height weight myR
  11. 1 張三 F 16 167.5 55.0 3.045455
  12. 2 李四 F 17 156.3 60.0 2.605000
  13. 3 王五 M 18 177.3 63.0 2.814286
  14. 4 趙六 M 16 167.5 53.0 3.160377
  15. 5 丁一 M 19 170.0 69.5 2.446043
  16. >
複製程式碼
6、編輯資料框（手動修改）
(1)使用edit() 函式

  1. mydataframenew=edit(mydataframe)
複製程式碼
(2)使用fix函式

  1.   fix(mydataframe)
複製程式碼 7、merge函式對資料框的操作，從兩個資料框中選擇出條件相等的行組合成一個新的資料框
  1. df1=data.frame(name=c("aa","bb","cc"),age=c(20,29,30),sex=c("f","m","f"))
  2. df2=data.frame(name=c("dd","bb","cc"),age=c(40,35,36),sex=c("f","m","f"))
  3. mergedf=merge(df1,df2,by="name")
複製程式碼  

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
  1. > selectresult=subset(df1,name=="aa")
  2. > selectresult
  3.   name age sex
  4. 1   aa  20   f
  5. > df1
  6.   name age sex
  7. 1   aa  20   f
  8. 2   bb  29   m
  9. 3   cc  30   f
複製程式碼 （2）指定顯示列
  1. > selectresult=subset(df1,name=="aa",select=c(age,sex))
  2. > selectresult
  3.   age sex
  4. 1  20   f
複製程式碼 （3）多條件查詢
  1. > selectresult=subset(df1,name=="aa" & sex=="f",select=c(age,sex))
  2. > selectresult
  3.   age sex
  4. 1  20   f
  5. > df1
  6.   name age sex
  7. 1   aa  20   f
  8. 2   bb  29   m
  9. 3   cc  30   f
複製程式碼

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)

相關推薦

R語言-資料框dataframe的使用

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\", \

R語言-資料框分組求平均值

【技術關鍵】 1、從excel把資料讀到資料框 2、演算法實現將資料框的一些資料合為新的資料並組成新的資料框 3、將處理結果，即新的資料框儲存到excel檔案（或.csv） 4、將繪圖結果輸出到PDF檔案儲存 最近在嘗試分析近日的環境溫溼度變化； 雖然裝置只運行了48小時左右；

R語言--資料框

資料框 資料框是一種矩陣形式的資料，資料框各列中的資料可以是不同型別的資料。資料框每一列認為是一個變數，每一行是一個觀測；看以看做是矩陣的推廣。 資料框的生成函式：data.frame() 列入資料框列表的限制： 1：他的分量必須是向量 ---- 數值，字元，邏輯 ---

R語言資料框 因子 列表

資料框：data <- data.frame(col1,col2,)資料框patientID <- c(1,2,3,4)age <- c(25,34,28,52)diabetes <- c("Type1","Type2","Type3","Type2"

R語言資料框的常用操作

以下給出資料框常用的基本操作，儘量全面的給出一個完整的資料操作： 目錄 資料框概覽 更改增加資料框列名 資料框變數（variables）的篩選 索引篩選的幾種格式 條件篩選的方式 資料框觀測（observations

R語言資料框的基本操作

之前學習的R很久不用又忘記了，現在決定還是將其記錄下來，以便以後參考 csv的基本讀取和寫入 讀取：read.csv(檔名) 寫入：write.csv(資料框,檔名) 例: d<-read.csv("data.csv") write.cs

【R語言資料型別】深入瞭解 向量、矩陣、資料框、列表

R語言資料型別有向量、矩陣、資料框、列表。下面我們來深入瞭解下： vector 的劃分 R中的vector分為兩類，atomic和list，二者的區別在於,前者元素型別必須相同，後者可以不同。前者的代表是向量和矩陣，後者的代表是list和資料框。 建立

R語言-資料結構

主站：https://lartpang.github.io/ 之前一陣子，在EDX上學習了R語言的一門基礎課程，這裡做個總結。這門課程主要側重於R的資料結構的介紹，當然也介紹了它的基本的繪圖手段。 工作空間相關 ls() ## character(0) rm

R語言 資料集取子集

保留變數： >newdata<-leadership[,c(6:10)]                  &

基於30多萬條招聘資訊的熱門城市、地域 、薪資、人才要求的R語言資料視覺化分析

又是一年畢業季，什麼工作好找、工資高、哪些地域有優勢等就是很多人關注的話題了。這裡用一份2017年初，含有32萬條資料（行）、19個詳細招聘資訊（列）的資料進行招聘資訊的知識發現、挖掘。 資料部分截圖如下： 需要完成的工作 1、資料預處理； 2、每個行業的招聘次數、平均工

分享《R語言資料分析與挖掘實戰(張良均等)》中文PDF+原始碼

下載：https://pan.baidu.com/s/1I7hm-LP5H3-57vsUjOxeNw 更多資料分享：https://pan.baidu.com/s/1g4hv05UZ_w92uh9NNNkCaA 《R語言資料分析與挖掘實戰(張良均等)》PDF+原始碼 PDF，339頁。 配套資料與原始

R 語言資料讀取與儲存

一、R語言讀取文字檔案： 1、檔案目錄操作：getwd() : 返回當前工作目錄setwd(“d:/data”) 更改工作目錄 2、常用的讀取指令readread.table() : 讀取文字檔案read.csv(): 讀取csv檔案如果出現缺失值，read.

R語言 資料結構

向量 向量是用於儲存數值型、字元型或邏輯型資料的一維陣列。單個向量中的資料必 須擁有相同的型別或模式（數值型、字元型或邏輯型）。同一向量中無法混雜不同模式的資料。 例如 a <- c(1,2,5,3,6,-2,4) 通過在方括號中給定元素所處位置的數值，我們可以訪

R語言資料離散化使funModeling變得容易

tl; dr：將數值變數轉換為分類，如下圖所示。 閱讀時間〜6分鐘 開始吧！ 該軟體包funModeling（從版本> 1.6.6）引入了兩個 功能discretize_get_bins，它們discretize_df協同工作 以幫助我們完成離

R中資料框的建立

在R語言中，很多資料分析演算法函式的輸入都是資料框物件。而且，在使用讀取excel/txt等格式資料集的函式時，也是以資料框物件輸出的。類似於list，資料框也可以由不同的向量作為列來合成，並且不同列間的元素可以是不同的資料型別。但是資料框並沒有list那麼靈活，資料框內

R語言資料處理 之 建立新變數

初步的資料處理，通常要建立新的變數。其實，建立新變數可以： 避開未經處理的資料未有所需資料的難處； 變換一些已有資料，以更好的為下一步分析作準備； 而常建立的新變數有：  缺失值指標 (Missingness indicators) ：指出在哪些地方有資料缺失  分段

R語言資料探勘(2) 資料預處理

一 、資料清理 檢查資料質量的重要性 除了在建立模型之前需要完成資料清理，在對資料結構的探索和對模型的描述和預測過程中都需要不斷檢查資料質量 探索的過程中，出現任何異常情況都需要解釋和處理。 比如分類變數應該注意頻率特別低的類別，它可能是錯誤分類或者原本屬於相鄰類別的資料

R語言--資料介面（五）

1. CSV檔案 獲取和設定工作目錄 # 獲取和設定工作目錄 print(getwd()) # 設定當前工作目錄 setwd("E:/R") print(getwd()) 列印結果：

【轉載】R語言資料處理——資料合併與追加

資料結構的塑造是資料視覺化前重要的一環，雖說本公眾號重心在於資料視覺化，可是涉及到一些至關重要的資料整合技巧，還是有必要跟大家分享一下的。 在視覺化前的資料處理技巧中，匯入匯出、長寬轉換已經跟大家詳細的介紹過了。 今天跟**家分享資料集的合併與追加，並且這裡根據所依賴函式的處理效率，給

R語言資料結構2—matrix

矩陣 矩陣是一個二維陣列，只是每個元素都擁有相同的模式（數值型、字元型或邏輯型）。可通 過函式matrix建立矩陣。一般使用為： matrix(vector = , nrow = , ncol = , byrow = ,dimnames = list(,)) 其中vec