数据框(Dataframe)
数据框:
Name Age Sex Height
1 Linda 20 F 160
2 John 21 M 165
3 Emily 22 F 159
- 数据框类似矩阵,有行和列两个维度。
- 数据框不同于矩阵,数据框的每一列可以是不同的模式(mode)。
- 数据框每一列都有一个唯一的列名,每一列的长度均相同。
数据框就是数据库中的数据表,每一行称为一条记录,每一列称为一个属性。数据框类似于C语言中的结构体,用C语言存储上述内容,使用结构体数组
创建数据框
语法格式:
mydata<-data.frame(col1,col2,col3,…)#其中:col1,col2,col3可以为字符型、数值型或者逻辑型数据
实例如下:
> Name<-c("Linda","John","Emily")
> Age<-c(20,21,22)
> Sex<-c("F","M","F")
> Height<-c(160,165,159)
> df<-data.frame(Name,Age,Sex,Height)
> df
Name Age Sex Height
1 Linda 20 F 160
2 John 21 M 165
3 Emily 22 F 159
注意事项:
- 数据框是R语言的一种数据结构,通常以矩阵形式存放的数据,矩阵的每一列可以是不同类型的数据。
- 数据框每列为一个变量,每行为一个观测样本。
- 数据框的列必须命名
也可以使用下面这种方式进行创建
df<-data.frame(Name=c("Linda","John","Emily"), Age=c(20,21,22),Sex=c("F","M","F"), Height=c(160,165,159))
数据框的成分由各个变量组成,每个变量可以自行命名
数据框的访问
给定数据框
> df<-data.frame(Name=c("Linda","John","Emily"), Age=c(20,21,22),Sex=c("F","M","F"), Height=c(160,165,159))
> df
Name Age Sex Height
1 Linda 20 F 160
2 John 21 M 165
3 Emily 22 F 159
> str(df)
'data.frame': 3 obs. of 4 variables:
$ Name : chr "Linda" "John" "Emily"
$ Age : num 20 21 22
$ Sex : chr "F" "M" "F"
$ Height: num 160 165 159
说明:df有3个观测(3行),4个变量(4列)
通过组件的索引值来访问组件
> x<-df[[1]]
> x
[1] "Linda" "John" "Emily"
> is.vector(x)
[1] TRUE
返回的结果是向量
> x=df[1]
> x
Name
1 Linda
2 John
3 Emily
> is.vector(x)
[1] FALSE
> is.data.frame(x)
[1] TRUE
返回的结果为数据框
注意:
第一个访问使用的是两个中括号,第二次访问使用的是一个中括号
如果分量有名字,可以按照名字进行引用
> df[["Name"]]
[1] "Linda" "John" "Emily"
通过组件的组件名来访问组件
这里我们用到“$”符号,“$”提取数据框中某个变量的元素
> df$Name
[1] "Linda" "John" "Emily"
通过访问矩阵的方式来访问组件
访问第1列
> x<-df[,1]
> x
[1] "Linda" "John" "Emily“
先提取前两行,然后提取第1列和第3列通过组件的索引值来访问组件。
> df[1:2,c(1,3)]
Name Sex
1 Linda F
2 John M
数据筛选
生成数据框,三门课程的成绩为区间0-5之间服从均匀分布的随机数,保留1位小数。(runif(),round())
> Exam1<-round(runif(10,0,5),1)
> Exam2<-round(runif(10,0,5),1)
> Exam3<-round(runif(10,0,5),1)
> Quiz<-data.frame(Exam1,Exam2,Exam3)
> Quiz
Exam1 Exam2 Exam3
1 2.5 3.0 1.9
2 1.9 2.6 4.8
3 0.4 2.2 3.9
4 2.2 1.6 0.0
5 3.6 1.0 2.5
6 2.4 0.3 2.1
7 3.1 3.2 5.0
8 1.2 4.0 1.5
9 0.5 1.0 2.0
10 1.7 4.6 0.9
提取出Exam3成绩>=3.5的学生信息(观测)(subset)
#方法一
> Quiz[Quiz$Exam3>=3.5,]
Exam1 Exam2 Exam3
2 1.9 2.6 4.8
3 0.4 2.2 3.9
7 3.1 3.2 5.0
#方法二
> subset(Quiz,Exam3>=3.5)
Exam1 Exam2 Exam3
2 1.9 2.6 4.8
3 0.4 2.2 3.9
7 3.1 3.2 5.0
扩展数据框
可以通过添加列和行来扩展数据框
添加列
只需使用新的列名称添加列向量。
#创建数据框
> df<-data.frame(Name=c("Linda","John","Emily"), Age=c(20,21,22),Sex=c("F","M","F"), Height=c(160,165,159))
> df
Name Age Sex Height
1 Linda 20 F 160
2 John 21 M 165
3 Emily 22 F 159
#创建新向量
> birth<-as.Date(c("2000-10-10","2001-09-08","2000-01-01"))
> birth
[1] "2000-10-10" "2001-09-08" "2000-01-01"
#为数据框添加列向量
> df$birth<-birth
> df
Name Age Sex Height birth
1 Linda 20 F 160 2000-10-10
2 John 21 M 165 2001-09-08
3 Emily 22 F 159 2000-01-01
📙补充说明
as.Date()用于在字符表示和表示日历日期的"Date"类对象之间进行转换的函数。
> class(birth) [1] "Date"
也可以使用cbind函数在原有列的基础上创建新列
> new.Quiz<-cbind(Quiz,Exam1-Exam2)
> new.Quiz
Exam1 Exam2 Exam3 Exam1 - Exam2
1 2.5 3.0 1.9 -0.5
2 1.9 2.6 4.8 -0.7
3 0.4 2.2 3.9 -1.8
4 2.2 1.6 0.0 0.6
5 3.6 1.0 2.5 2.6
6 2.4 0.3 2.1 2.1
7 3.1 3.2 5.0 -0.1
8 1.2 4.0 1.5 -2.8
9 0.5 1.0 2.0 -0.5
10 1.7 4.6 0.9 -2.9
可以给新创建的列命名,这样会更清晰一些
> new.Quiz<-cbind(Quiz,Diff=Exam1-Exam2)
> new.Quiz
Exam1 Exam2 Exam3 Diff
1 2.5 3.0 1.9 -0.5
2 1.9 2.6 4.8 -0.7
3 0.4 2.2 3.9 -1.8
4 2.2 1.6 0.0 0.6
5 3.6 1.0 2.5 2.6
6 2.4 0.3 2.1 2.1
7 3.1 3.2 5.0 -0.1
8 1.2 4.0 1.5 -2.8
9 0.5 1.0 2.0 -0.5
10 1.7 4.6 0.9 -2.9
添加行
要将更多行永久添加到现有数据框,我们需要引入与现有数据框相同结构的新行,并使用rbind()函数,其实也就是对两个相同结构的数据框进行垂直合并
#原数据框
> df
Name Age Sex Height birth
1 Linda 20 F 160 2000-10-10
2 John 21 M 165 2001-09-08
3 Emily 22 F 159 2000-01-01
#创建新数据框
> new.df<-data.frame(Name="David",Age=20,Sex="M",Height=167,birth=as.Date("2000-08-08"))
> new.df
Name Age Sex Height birth
1 David 20 M 167 2000-08-08
#将两个数据框进行垂直合并
> combine.df<-rbind(df,new.df)
> combine.df
Name Age Sex Height birth
1 Linda 20 F 160 2000-10-10
2 John 21 M 165 2001-09-08
3 Emily 22 F 159 2000-01-01
4 David 20 M 167 2000-08-08
使用apply()函数
如果数据框的每一列的数据类型相同,则可以对数据框应用apply函数,示例如下:
> Quiz
Exam1 Exam2 Exam3
1 2.5 3.0 1.9
2 1.9 2.6 4.8
3 0.4 2.2 3.9
4 2.2 1.6 0.0
5 3.6 1.0 2.5
6 2.4 0.3 2.1
7 3.1 3.2 5.0
8 1.2 4.0 1.5
9 0.5 1.0 2.0
10 1.7 4.6 0.9
#计算每一位同学三次测试的最高成绩
> apply(Quiz,1,max)
[1] 3.0 4.8 3.9 2.2 3.6 2.4 5.0 4.0 2.0 4.6
#计算每一次测试的最高成绩
> apply(Quiz,2,max)
Exam1 Exam2 Exam3
3.6 4.6 5.0