R语言编程艺术学习笔记——第五章数据框

   距离上一次分享又过了一段时间，要坚持真的不容易，所以自律真的是人身上非常重要的品质。继续捡回R语言编程艺术系列，这真的是一本不错的R语言经典书籍，有很多细节值得细细思考。话不多说，开始第五章数据框的笔记。

1.数据框的创建

data.frame（）用来创建数据框，函数包含参数如下：

data.frame(..., row.names = NULL, check.rows = FALSE,check.names = TRUE, fix.empty.names = TRUE, stringsAsFactors = default.stringsAsFactors())，...代表数据框的数据源，默认行名称为空，默认字符串作为因子，实际上字符串更多作为向量，因此在建立数据框时，应该使用stringAsFactors=FALSE，举个例子：

> employee<-c("Tom","Jack","Judy")
> salary<-c(3000,6000,5000)
> staff<-data.frame(employee,salary,stringsAsFactors =FALSE)
> staff
  employee salary
1      Tom   3000
2     Jack   6000
3     Judy   5000

2.数据框的访问

1）通过索引，比如要访问第一列数据，可以是：staff[[1]]，或者staff[,1];

2）通过组件名，staff$employee，第二种方法用$最为简单直接

3.提取子数据框

两种方法：

1）按行或者列进行提取，通过使用[ ]，完成操作“,”前面指操作行，后面指操作列

> staff[1,]
  employee salary
1      Tom   3000

2）使用subset()函数，subset函数第一个参数指数据框，第二参数指需要筛选的条件

> subset(staff,staff$salary>3000)
  employee salary
2     Jack   6000
3     Judy   5000

4.数据框合并

rbind()指按行合并，cbind()指按列合并,但是有条件，要求合并的两个数据框必须有相同的行或者列。

> rbind(staff,list("Lucy",9000))
  employee salary
1      Tom   3000
2     Jack   6000
3     Judy   5000
4     Lucy   9000

利用$，增加数据会变得更加简单

> staff
  employee salary
1      Tom   3000
2     Jack   6000
3     Judy   5000
> staff$age<-c(23,27,31)
> staff
  employee salary age
1      Tom   3000  23
2     Jack   6000  27
3     Judy   5000  31

merge()是指根据某个条件合并数据框，并且会剔除重复项，比rbind和cbind稍微灵活点

> employee<-c("Alice","Tom")
>      salary<-c(6500,3000)
>          staff2<-data.frame(employee,salary,stringsAsFactors = FALSE)
> staff2
  employee salary
1    Alice   6500
2      Tom   3000
> staff3<-merge(staff,staff2)
> staff3
  employee salary age
1      Tom   3000  23
> staff3<-merge(staff,staff2,all=T)
> staff3
  employee salary age
1    Alice   6500  NA
2     Jack   6000  27
3     Judy   5000  31
4      Tom   3000  23

上面列举了一个情况，当默认使用merge（）函数时，相当于取了两个数据框的并集，因此例子中第一次合并只有一条数据，当设置all=T时，表示剔除重复项并且保留其他行数据，这里注意根据需求在处理时设置正确的用法。

5.数据框的函数应用

lapply()函数和sapply()函数，注意这两个函数均作用于列。

lapply(X, FUN, ...)   表示对数据框应用某个函数，会对数据框中的每一列都应用，最后输出列表

sapply(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) 表示对数据框应用某个函数，会对数据框的每一列进行应用，并且可以将结果以列表、向量、矩阵或者多维矩阵的形式输出，sapply与lapply相比强调更多简单形式的输出结果，如下所示：

> d1<-lapply(staff2,sort)
> d1
$`employee`
[1] "Alice" "Tom"  

$salary
[1] 3000 6500

> d1<-sapply(staff2,sort)
> d1
     employee salary
[1,] "Alice"  "3000"
[2,] "Tom"    "6500"

第五章数据框的基础就是这么多，第六章因子和表再见！