R語言的Dataframe常用操作使用

Posted on 2021-06-30 by WalkonNet

上節我們簡單介紹瞭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，我們來瞭解一下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，“…”代表瞭表格數據，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，那麼既然數據框相當於R語言的一個表格，應該既有行名也有列名才對，那麼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瞭的。詳見下面代碼：

我想要創建一個名為“mydataframe”的數據框，首先確定數據框裡面的列有哪些，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，這個數據框怎麼跟上節我們講過的矩陣長得那麼一樣！！！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，但是矩陣裡面的元素必須一致，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麼這麼做有什麼意義呢？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，就包含瞭“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”等佈爾型元素，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，那麼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），因此訪問元素時隻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),]　　#隻訪問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)]　　#隻訪問1,4列，註意寫法 c( )
  StudentID scores
1      2014     87
2      2015     98
3      2016     93
> Result[c("names","scores")]　　#隻訪問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( ),通過上述瞭解，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，那麼可以寫成：

> 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

上面談到瞭dataframe的創建和讀取，如果我需要添加或者刪除某一列該怎麼辦呢？

> 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的學生的信息該怎麼辦呢？

> Result[which(Result$scores==98),]
  StudentID names subjects scores age
2      2015  小紅     英語     98  14

上面說過瞭，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。那麼相應的，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，這裡不再贅述。

最後，我們來談一下數據框數據處理操作：

上面我們講到，利用dataframe[ 列號 ]或者dataframe[ 列值 ]可以讀取數據框的某一列，返回值仍為數據框類型，但是這部分數據不方便直接利用我們之前講過的求和，求平均值等方法進行計算分析，因為讀取的數據帶有“行名/列名”，這個為字符型變量。有的人會問，我在創建數據框的時候，不加行名和列名不就行瞭？第一，在創建數據框的時候，會默認給你分配行名或者列名，第二，就算不分配行名或者列名，那數據框創建起來還有什麼意義？

> 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"]) : 參數不是數值也不是邏輯值：回覆NA
> is.data.frame(mydataframe["C4"])
[1] TRUE

方法一：將數據框格式重新轉化為矩陣格式，然後按照矩陣索引的方式來找尋要處理的數據組，利用矩陣或者向量中相關函數來進行一定的數據處理。

> myarray2 <- as.matrix(mydataframe)
> 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 <- myarray[,3] #讀取第3列的值
> x
R1 R2 R3 R4
 9 10 11 12
> is.vector(x) #查看x是否為向量類型
[1] TRUE
> mean(x)
[1] 10.5
> sum(x)
[1] 42

方法二：在讀取數據框列的時候換用另外一種方法，dataframe$(行名或者列名)，返回值是vector類型

> c <- mydataframe$C3
> c
[1]  9 10 11 12
> is.vector(c)
[1] TRUE
> mean(c)
[1] 10.5
> sum(c)
[1] 42

同時，也可以利用dataframe$(新的列名) <- 新的向量，來給dataframe添加新的列，具體操作如下：

> mydataframe$sum <- mydataframe$C1 +mydataframe$C4
> mydataframe$mean <- (mydataframe$C1+mydataframe$C4)/2
> 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

最推崇的是下一種方法，直接利用transform函數組建新的數據框，具體用法如下：

> 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 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

到此這篇關於R語言的Dataframe常用操作使用的文章就介紹到這瞭,更多相關R語言 Dataframe常用操作內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

R語言的Dataframe常用操作使用

推薦閱讀：

發佈留言取消回覆

近期文章

推薦閱讀：

發佈留言 取消回覆

近期文章

標籤

發佈留言取消回覆