R語言Data Frame數據框常用操作

R語言Data Frame數據框常用操作

Data Frame一般被翻譯為數據框，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數據類型，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函數就可以初始化一個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，那麼代碼為：

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()讀取一個文本文件，返回的也是一個Data Frame對象。讀取資料庫也是返回Data Frame對象。查看student的內容為： ID Name Gender Birthdate1 11 Devin M 1984-12-292 12 Edward M 1983-5-63 13 Wenli F 1986-8-8這裡只指定了列名為ID，Name，Gender和Birthdate，使用names函數可以查看列名，如果要查看行名，需要用到row.names函數。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，有參數row.names可以設置行名的向量。

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，那麼代碼為：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類型的，那麼可以使用[[或者$來訪問。比如我們要所有student的Name，代碼為：

name<-student[[2]] 或者name<-student[[「Name」]] 或者name<-student$Name使用attach和detach函數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函數：with(student,{ n<-Name

print(n)

})這裡的n作用域只在大括弧內，如果想在with函數中對全局的變數進行賦值，那麼需要使用<<-這樣一個運算符。

修改列數據類型

接下來我們查看該對象每列的類型，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

默認情況下，字元串向量都會被自動識別成Factor，也就是說，ID是數字類型，其他的3個列都被定義為Factor類型了。顯然這裡Name應該是字元串類型，Birthdate應該是Date類型，我們需要對列的數據類型進行更改：

student$Name<-as.character(student$Name) student$Birthdate<-as.Date(student$Birthdate)下面我們再運行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」

添加新列

對於以及存在的student對象，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數Sys.Date()獲得當前的日期，然後使用format函數獲得年份，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數，我們只能使用format函數取出年份部分，然後轉換為int類型相減。

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函數，這個函數和之前提到過的with函數類似，可以省略變數名，不同的地方是within函數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。如果我們使用布爾向量，配合which函數，可以實現對行的過濾。比如我們要查詢所有Gender為F的數據，那麼我們首先對student$Gender==「F」，得到一個布爾向量:FALSE FALSE TRUE,然後使用which函數可以將布爾向量中TRUE的Index返回，所以我們的完整查詢語句就是：student[which(student$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函數，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」)

連接/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進行連接，這就需要使用merge函數。

比如除了前面申明的student對象外，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 Score1 11 Math 902 11 English 803 12 Math 804 12 Chinese 955 13 Math 96這裡的SID就是Student裡面的ID，相當於一個外鍵，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 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函數，但是不是SQL的Union的意思，我們要實現Union功能，需要用到rbind函數。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)
推薦閱讀：