R语言Data Frame数据框常用操作

R语言Data Frame数据框常用操作

Data Frame一般被翻译为数据框，感觉就像是R中的表，由行和列组成，与Matrix不同的是，每个列可以是不同的数据类型，而Matrix是必须相同的。

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，那么就是从1开始自增的Sequence来标识每一行。

初始化

使用data.frame函数就可以初始化一个Data Frame。比如我们要初始化一个student的Data Frame其中包含ID和Name还有Gender以及Birthdate，那么代码为：

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()读取一个文本文件，返回的也是一个Data Frame对象。读取资料库也是返回Data Frame对象。查看student的内容为： ID Name Gender Birthdate1 11 Devin M 1984-12-292 12 Edward M 1983-5-63 13 Wenli F 1986-8-8这里只指定了列名为ID，Name，Gender和Birthdate，使用names函数可以查看列名，如果要查看行名，需要用到row.names函数。这里我们希望将ID作为行名，那么可以这样写：row.names(student)<-student$ID更简单的办法是在初始化date.frame的时候，有参数row.names可以设置行名的向量。

访问元素

与Matrix一样，使用[行Index,列Index]的格式可以访问具体的元素。比如访问第一行:student[1,]访问第二列：student[,2]使用列的Index或者列名可以选取要访问的哪些列。比如要ID和Name，那么代码为：idname<-student[1:2]或者是idname<-student[c(「ID」,」Name」)]

如果是只访问某一列，返回的是Vector类型的，那么可以使用[[或者$来访问。比如我们要所有student的Name，代码为：

name<-student[[2]] 或者name<-student[[「Name」]] 或者name<-student$Name使用attach和detach函数可以使得访问列时不需要总是跟著变数名在前面。比如要列印所有Name，那么可以写成：attach(student) print(Name) detach(student)还可以换一种简洁一点的写法就是用with函数：with(student,{ n<-Name

print(n)

})这里的n作用域只在大括弧内，如果想在with函数中对全局的变数进行赋值，那么需要使用<<-这样一个运算符。

修改列数据类型

接下来我们查看该对象每列的类型，使用str(student)可以得到如下结果：『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

默认情况下，字元串向量都会被自动识别成Factor，也就是说，ID是数字类型，其他的3个列都被定义为Factor类型了。显然这里Name应该是字元串类型，Birthdate应该是Date类型，我们需要对列的数据类型进行更改：

student$Name<-as.character(student$Name) student$Birthdate<-as.Date(student$Birthdate)下面我们再运行str(student)看看修改后的结果：『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」

添加新列

对于以及存在的student对象，我们希望增加Age列，该列是根据Birthdate算出来的。首先需要知道怎么算年龄。我们可以使用日期函数Sys.Date()获得当前的日期，然后使用format函数获得年份，然后用两个年份相减就是年龄。好像R并没有提供几个能用的日期函数，我们只能使用format函数取出年份部分，然后转换为int类型相减。

student$Age<-as.integer(format(Sys.Date(),」%Y」))-as.integer(format(student$Birthdate,」%Y」))这样写似乎太长了，我们可以用within函数，这个函数和之前提到过的with函数类似，可以省略变数名，不同的地方是within函数可以在其中修改变数，也就是我们这里增加Age列：student<-within(student,{ Age<-as.integer(format(Sys.Date(),」%Y」))-as.integer(format(Birthdate,」%Y」)) })

查询/子集

查询一个Date Frame，返回一个满足条件的子集，这相当于资料库中的表查询，是非常常见的操作。使用行和列的Index来获取子集是最简单的方法，前面已经提到过。如果我们使用布尔向量，配合which函数，可以实现对行的过滤。比如我们要查询所有Gender为F的数据，那么我们首先对student$Gender==「F」，得到一个布尔向量:FALSE FALSE TRUE,然后使用which函数可以将布尔向量中TRUE的Index返回，所以我们的完整查询语句就是：student[which(student$Gender==」F」),]注意这里列Index并没有输入，如果我们只想知道所有女生的年龄，那么可以改为：

student[which(student$Gender==」F」),」Age」]

这样的查询写法还是复杂了点，可以直接使用subset函数，那么查询会简单些，比如我们把查询条件改为年龄<30的女性，查姓名和年龄，那么查询语句为：subset(student,Gender==」F」 & Age<30 ,select=c(「Name」,」Age」))使用SQL查询Data Frame对于我这种使用了多年SQL的人来说，如果能够直接写SQL语句对Data Frame进行查询操作，那是多么方便美妙的啊，结果还真有这么一个包：sqldf。同样是前面的需求，对应的语句就是：library(sqldf) result<-sqldf(「select Name,Age from student where Gender=』F』 and Age<30」)

连接/合并

对于资料库来说，对多表进行join查询是一个很正常的事情，那么在R中也可以对多个Data Frame进行连接，这就需要使用merge函数。

比如除了前面申明的student对象外，我们再申明一个score变数，记录了每个学生的科目和成绩：

score<-data.frame(SID=c(11,11,12,12,13),Course=c(「Math」,」English」,」Math」,」Chinese」,」Math」),Score=c(90,80,80,95,96))我们看看该表的内容： SID Course Score1 11 Math 902 11 English 803 12 Math 804 12 Chinese 955 13 Math 96这里的SID就是Student里面的ID，相当于一个外键，现在要用这个ID进行inner join操作，那么对应的R语句就是：

result<-merge(student,score,by.x=」ID」,by.y=」SID」)

我们看看merge以后的结果： ID Name Gender Birthdate Age Course Score1 11 Devin M 1984-12-29 31 Math 902 11 Devin M 1984-12-29 31 English 803 12 Edward M 1983-05-06 32 Math 804 12 Edward M 1983-05-06 32 Chinese 955 13 Wenli F 1986-08-08 29 Math 96正如我们期望的一样join在了一起。除了join，另外一个操作就是union，这也是资料库常用操作，那么在R中如何将两个列一样的Data Frame Union联接在一起呢？虽然R语言中有union函数，但是不是SQL的Union的意思，我们要实现Union功能，需要用到rbind函数。rbind的两个Data Frame必须有相同的列，比如我们再申明一个student2，将两个变数rbind起来：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)
推荐阅读：