千家信息网

R语言的Dataframe怎么用

发表于:2024-11-25 作者:千家信息网编辑
千家信息网最后更新 2024年11月25日,这篇文章主要介绍"R语言的Dataframe怎么用",在日常操作中,相信很多人在R语言的Dataframe怎么用问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答"R语言的D
千家信息网最后更新 2024年11月25日R语言的Dataframe怎么用

这篇文章主要介绍"R语言的Dataframe怎么用",在日常操作中,相信很多人在R语言的Dataframe怎么用问题上存在疑惑,小编查阅了各式资料,整理出简单好用的操作方法,希望对大家解答"R语言的Dataframe怎么用"的疑惑有所帮助!接下来,请跟着小编一起来学习吧!

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:

Usagedata.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 C5R1  1  5  9 13 17R2  2  6 10 14 18R3  3  7 11 15 19R4  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 C5R1  1  5  9 13 17R2  2  6 10 14 18R3  3  7 11 15 19R4  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 scores1      2014  小明     英语     872      2015  小红     英语     983      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 scores1      2014  小明     英语     87> Result[,1] #访问第一列 [1] 2014 2015 2016Levels: 2014 2015 2016> Result[1] #访问第一列  StudentID1      20142      20153      2016> Result["names"] #访问指定标号的列  names1  小明2  小红3  小兰> Result[1:3,]  #访问1-3行  StudentID names subjects scores1      2014  小明     英语     872      2015  小红     英语     983      2016  小兰     英语     93> Result[1:3]  #访问1-3列  StudentID names subjects1      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 scores1      2014  小明     英语     873      2016  小兰     英语     93> Result[c(1,4)]  #只访问1,4列,注意写法 c( )  StudentID scores1      2014     872      2015     983      2016     93> Result[c("names","scores")]  #只访问names和scores列,注意写法 c( )  names scores1  小明     872  小红     983  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, subjectsThe 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 age1      2014  小明     英语     87  122      2015  小红     英语     98  143      2016  小兰     英语     93  13> Result2 <- Result[-2]  #删除name列> Result2  StudentID subjects scores age1      2014     英语     87  122      2015     英语     98  143      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 age2      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 C5R1  1  5  9 13 17R2  2  6 10 14 18R3  3  7 11 15 19R4  4  8 12 16 20> myarrayframe <- as.data.frame(myarray)> myarrayframe   C1 C2 C3 C4 C5R1  1  5  9 13 17R2  2  6 10 14 18R3  3  7 11 15 19R4  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 C5R1  1  5  9 13 17R2  2  6 10 14 18R3  3  7 11 15 19R4  4  8 12 16 20> mydataframe["C4"]   C4R1 13R2 14R3 15R4 16> mean(mydataframe["C4"])[1] NAWarning 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 C5R1  1  5  9 13 17R2  2  6 10 14 18R3  3  7 11 15 19R4  4  8 12 16 20> x <- myarray[,3] #读取第3列的值> xR1 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 meanR1  1  5  9 13 17  14    7R2  2  6 10 14 18  16    8R3  3  7 11 15 19  18    9R4  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 mean2R1  1  5  9 13 17  14    7   10     5R2  2  6 10 14 18  16    8   12     6R3  3  7 11 15 19  18    9   14     7R4  4  8 12 16 20  20   10   16     8

到此,关于"R语言的Dataframe怎么用"的学习就结束了,希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习,快去试试吧!若想继续学习更多相关知识,请继续关注网站,小编会继续努力为大家带来更多实用的文章!

0