r生成新的dataframe_R语言的Dataframe常用操作

上节我们简单介绍了Dataframe的定义&＃xff0c;这节我们具体来看一下Dataframe的操作

首先&＃xff0c;数据框的创建函数为 data.frame( )&＃xff0c;参考R语言的帮助文档&＃xff0c;我们来了解一下data.frame( )的具体用法&＃xff1a;

Usage

data.frame(..., row.names &＃61; NULL, check.rows &＃61; FALSE,

check.names &＃61; TRUE, fix.empty.names &＃61; TRUE,

stringsAsFactors &＃61; default.stringsAsFactors())

default.stringsAsFactors()

Arguments

... :these arguments are of either the form value or tag &＃61; 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&＃xff0c;后面还有很多参数的具体用法&＃xff0c;在此不做一一赘述&＃xff0c;主要用到的就是前两个。首先&＃xff0c;“...”代表了表格数据&＃xff0c;就是要构成数据框的数据主体&＃xff0c;row.names( )为要构成数据框的行名&＃xff0c;那么既然数据框相当于R语言的一个表格&＃xff0c;应该既有行名也有列名才对&＃xff0c;那么列名又是如何给出的呢&＃xff1f;我们知道&＃xff0c;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&＃xff0c;之前我们构建矩阵的时候&＃xff0c;默认也是按列填充(byrow&＃61;FALSE)&＃xff0c;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&＃xff1a;

我想要创建一个名为“mydataframe”的数据框&＃xff0c;首先确定数据框里面的列有哪些&＃xff0c;然后调用函数data.frame( )函数

> C1

> C2

> C3

> C4

> C5

> mydataframe

> 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

由此可见&＃xff0c;数据框是把现有的列拼接成一个表格的一种数据结构&＃xff0c;细心的朋友会发现&＃xff0c;这个数据框怎么跟上节我们讲过的矩阵长得那么一样&＃xff01;&＃xff01;&＃xff01;再回顾一下上节的矩阵创建&＃xff1a;

> mydata

> cnames

> rnames

> myarray

> 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

确实&＃xff0c;从长相上来说分不出差别&＃xff0c;但是矩阵里面的元素必须一致&＃xff0c;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&＃xff0c;而是以列为单位&＃xff0c;不同列的元素类型可以不同&＃xff0c;但是同一列的元素类型必须一致。因此&＃xff0c;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&＃xff1f;在数据统计中&＃xff0c;我们需要有各种各样类型的数据&＃xff0c;就拿简单的成绩单来说&＃xff0c;就包含了“姓名”&＃xff0c;“学号”&＃xff0c;“科目”等字符型元素&＃xff0c;也包括“分数”等数值型元素&＃xff0c;还有“是否通过”等布尔型元素&＃xff0c;因此&＃xff0c;从广泛意义上来说&＃xff0c;dataframe更具有普适性&＃xff0c;矩阵多用在数学计算中。说归说&＃xff0c;我们来实际创建一个数据框&＃xff0c;然后再演示一下它的具体操作&＃xff1a;

> names

> StudentID

> subjects

> scores

> Result

> Result

StudentID names subjects scores

1 2014 小明 英语 87

2 2015 小红 英语 98

3 2016 小兰 英语 93

由上可见&＃xff0c;当没有给数据框指定行名的时候&＃xff0c;系统会默认从1开始给每行一个行号&＃xff0c;这跟Excel表格有点类似。 还是同往常一样&＃xff0c;我们先学习dataframe数据类型的基本操作

数据框元素的访问&＃xff1a;既然矩阵是特殊的数据框&＃xff0c;那么矩阵元素的访问方式应该也同样适用于dataframe吗&＃xff1f;不是这样&＃xff0c;我们知道&＃xff0c;数据框是以行或者列为单位(行列可以转置)&＃xff0c;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)&＃xff0c;dataframe[,1](访问第一列)采用这种方式访问列时&＃xff0c;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&＃xff0c;或者dataframe(列名)来访问指定的列。也可以连续访问若干列&＃xff0c;详见代码&＃xff1a;

> Result[1,] #访问第一行

StudentID names subjects scores

1 2014 小明 英语 87

> Result[,1] #访问第一列

[1] 2014 2015 2016

Levels: 2014 2015 2016

> Result[1] #访问第一列

StudentID

1 2014

2 2015

3 2016

> Result["names"] #访问指定标号的列

names

1 小明

2 小红

3 小兰

> Result[1:3,]　　#访问1-3行

StudentID names subjects scores

1 2014 小明 英语 87

2 2015 小红 英语 98

3 2016 小兰 英语 93

> Result[1:3]　　#访问1-3列

StudentID names subjects

1 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&＃xff0c;注意写法 c( )

StudentID names subjects scores

1 2014 小明 英语 87

3 2016 小兰 英语 93

> Result[c(1,4)]　　#只访问1,4列&＃xff0c;注意写法 c( )

StudentID scores

1 2014 87

2 2015 98

3 2016 93

> Result[c("names","scores")]　　#只访问names和scores列&＃xff0c;注意写法 c( )

names scores

1 小明 87

2 小红 98

3 小兰 93

由上可得&＃xff1a;对数据框操作&＃xff0c;必须以向量为单位&＃xff0c;使用c( ) or list( ),通过上述了解&＃xff0c;我们发现&＃xff0c;普通的访问必须带着行名和列名&＃xff0c;这有的时候给我们带来不必要的麻烦&＃xff0c;比如我要计算成绩平均值&＃xff0c;带上列名Score会给我们带来一些困惑&＃xff0c;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&＃xff1f;

方法一&＃xff1a;用attach和detach函数&＃xff0c;比如要打印所有names&＃xff0c;那么可以写成&＃xff1a;

> attach(Result)

The following objects are masked _by_ .GlobalEnv:

names, scores, StudentID, subjects

The following objects are masked from Result (pos &＃61; 3):

names, scores, StudentID, subjects

> name

> score

> detach(Result)

> name

[1] "小明" "小红" "小兰"

> score

[1] 87 98 93

> mean(score)

[1] 92.66667

方法二&＃xff1a;用with函数

> with(Result,{score

> score

[1] 87 98 93

上面谈到了dataframe的创建和读取&＃xff0c;如果我需要添加或者删除某一列该怎么办呢&＃xff1f;

> Result$age

> Result

StudentID names subjects scores age

1 2014 小明 英语 87 12

2 2015 小红 英语 98 14

3 2016 小兰 英语 93 13

> Result2

> Result2

StudentID subjects scores age

1 2014 英语 87 12

2 2015 英语 98 14

3 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&＃xff1f;

> Result[which(Result$scores&＃61;&＃61;98),]

StudentID names subjects scores age

2 2015 小红 英语 98 14

上面说过了&＃xff0c;矩阵和数据框也是两种不同的数据类型&＃xff0c;我们知道数据类型之间可以互相转换&＃xff0c;用is.***( )可以判断某个变量是否为***类型&＃xff0c;用as.***( )则将某个变量转换为***类型。那么相应的&＃xff0c;矩阵转换为数据框类型则应为&＃xff1a;

> 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

> 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

跟矩阵matrix操作一样&＃xff0c;数据框也有rbind和cbind函数&＃xff0c;用法大致相同&＃xff0c;有兴趣的朋友可以简单联系一下&＃xff0c;这里不再赘述。

最后&＃xff0c;我们来谈一下数据框数据处理操作&＃xff1a;

上面我们讲到&＃xff0c;利用dataframe[ 列号 ]或者dataframe[ 列值 ]可以读取数据框的某一列&＃xff0c;返回值仍为数据框类型&＃xff0c;但是这部分数据不方便直接利用我们之前讲过的求和&＃xff0c;求平均值等方法进行计算分析&＃xff0c;因为读取的数据带有“行名/列名”&＃xff0c;这个为字符型变量。有的人会问&＃xff0c;我在创建数据框的时候&＃xff0c;不加行名和列名不就行了&＃xff1f;第一&＃xff0c;在创建数据框的时候&＃xff0c;会默认给你分配行名或者列名&＃xff0c;第二&＃xff0c;就算不分配行名或者列名&＃xff0c;那数据框创建起来还有什么意义&＃xff1f;

> 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

> mydataframe["C4"]

C4

R1 13

R2 14

R3 15

R4 16

> mean(mydataframe["C4"])

[1] NA

Warning message:

In mean.default(mydataframe["C4"]) : 参数不是数值也不是逻辑值&＃xff1a;回覆NA

> is.data.frame(mydataframe["C4"])

[1] TRUE

方法一&＃xff1a;将数据框格式重新转化为矩阵格式&＃xff0c;然后按照矩阵索引的方式来找寻要处理的数据组&＃xff0c;利用矩阵或者向量中相关函数来进行一定的数据处理。

> myarray2

> is.matrix(myarray2)

[1] TRUE

> myarray2

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

> x

> x

R1 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&＃xff1a;在读取数据框列的时候换用另外一种方法&＃xff0c;dataframe$(行名或者列名)&＃xff0c;返回值是vector类型

> c

> c

[1] 9 10 11 12

> is.vector(c)

[1] TRUE

> mean(c)

[1] 10.5

> sum(c)

[1] 42

同时&＃xff0c;也可以利用dataframe$(新的列名)

> mydataframe$sum

> mydataframe$mean

> mydataframe

C1 C2 C3 C4 C5 sum mean

R1 1 5 9 13 17 14 7

R2 2 6 10 14 18 16 8

R3 3 7 11 15 19 18 9

R4 4 8 12 16 20 20 10

最推崇的是下一种方法&＃xff0c;直接利用transform函数组建新的数据框&＃xff0c;具体用法如下&＃xff1a;

> x1

> x2

> mydataframe2

> mydataframe2

C1 C2 C3 C4 C5 sum mean sum2 mean2

R1 1 5 9 13 17 14 7 10 5

R2 2 6 10 14 18 16 8 12 6

R3 3 7 11 15 19 18 9 14 7

R4 4 8 12 16 20 20 10 16 8