R语言数据结构之数据框

已于 2022-04-16 22:25:19 修改
阅读量1.2w 收藏 313
点赞数 42
文章标签： r语言 数据结构
于 2022-04-15 22:04:26 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_54356409/article/details/124201952
版权

目录

1.创建数据框

(1)使用已有向量创建数据框

(2)使用向量直接创建数据框 

 (3)使用read.table()或read.csv()读取文本文件，返回数据框

 (4)从内存中读取Excel、txt内容

2.数据框信息

(1)用names、colnames函数查看列名、修改列名

 (2)用row.names、rownames函数查看行名、修改行名

 (3)获取行列维度的函数

 (4)获取数据框的结构信息

 (5)显示数据框前几行信息

3.访问元素

(1)访问某行，从1计数

 (2)访问某列，从1计数

(3)访问某个字段值

 (4)访问多列，返回数据框

(5)访问多行， 返回数据框

(6)查询与子集

 (7)subset函数过滤

 (8)使用SQL查询语句

 (9)遍历数据框(时间复杂度高)

 (10)使用table函数获得统计量

4.修改数据框

(1)查看和修改数据类型

 (2)增加新列

 (3)删除列

 (4)删除行

5.连接数据框、拆分数据框

(1)使用merge函数横向连接

 (2)使用cbind横向连接(column bind，列更多了)

(3)使用rbind纵向连接(row bind，行更多了) 

 (4)按照性别把df1拆成两个数据框

 6.数据框的计算，按某列求平均值

(1)求各科平均分、总分、选课人数 

 (2)求每个人的平均分

 (3)使用tapply函数

1.创建数据框

(1)使用已有向量创建数据框

ID <- c(LETTERS[1:5])
Name <- c('李小明', '张友谊', '王大龙', '沈小霞', '钱多多')
Gender <- c('男', '男', '女', '男', '女')
Age <- c(18, 20, 19, 21, 17)
df1 <- data.frame(ID, Name, Gender, Age)
df1
##      ID   Name Gender Age
##  1  A 李小明     男  18
##  2  B 张友谊     男  20
##  3  C 王大龙     女  19
##  4  D 沈小霞     男  21
##  5  E 钱多多     女  17

(2)使用向量直接创建数据框 

df2 <-data.frame(
  ID=c(11,12,13),
  Name=c("小明","小丽","小红"),
  Gender=c(T,T,F),
  Birthdate=c("2004-12-29","2003-5-6","2002-8-8")
)
df2
##      ID Name Gender  Birthdate
##   1 11 小明   TRUE 2004-12-29
##   2 12 小丽   TRUE   2003-5-6
##   3 13 小红  FALSE   2002-8-8 
# 使用row.names参数直接为行命名
df2 <-data.frame(
  ID=c(11,12,13),
  Name=c("小明","小丽","小红"),
  Gender=c(T,T,F),
  Birthdate=c("2004-12-29","2003-5-6","2002-8-8"),
  row.names=paste('row', 1:3)
)
df2
##            ID Name Gender  Birthdate
##  row 1 11 小明   TRUE 2004-12-29
##  row 2 12 小丽   TRUE   2003-5-6
##  row 3 13 小红  FALSE   2002-8-8

 (3)使用read.table()或read.csv()读取文本文件，返回数据框

df3 <- read.table('./Data/06/student.txt',encoding = 'UTF-8')
df3
##   V1     V2     V3  V4
## 1 ID   Name Gender Age
## 2  A 李小明     男  18
## 3  B 张友谊     男  20
## 4  C 王大龙     女  19
## 5  D 沈小霞     男  21
## 6  E 钱多多     女  17 
class(df3)
## [1] "data.frame" 
df3 <- read.table('./Data/06/student.txt',
                  header = T,
                  encoding = 'UTF-8')
df3
##   ID   Name Gender Age
## 1  A 李小明     男  18
## 2  B 张友谊     男  20
## 3  C 王大龙     女  19
## 4  D 沈小霞     男  21
## 5  E 钱多多     女  17 
df3 <- read.table('./Data/06/student.txt',
                  header = T,      # 包含标题
                  row.names = 1,   # 第1列为行名
                  encoding = 'UTF-8')
df3
##     Name Gender Age
## A 李小明     男  18
## B 张友谊     男  20
## C 王大龙     女  19
## D 沈小霞     男  21
## E 钱多多     女  17

 (4)从内存中读取Excel、txt内容

# df4=read.table('clipboard',header=T)
# df4

2.数据框信息

(1)用names、colnames函数查看列名、修改列名

names(df1)    # 返回列名
[1] "ID"     "Name"   "Gender" "Age"    
colnames(df1) # 返回列名
[1] "ID"     "Name"   "Gender" "Age"    

names(df1)[2] <- 'XingMing'  # 修改列名
df1
##   ID XingMing Gender Age
## 1  A   李小明     男  18
## 2  B   张友谊     男  20
## 3  C   王大龙     女  19
## 4  D   沈小霞     男  21
## 5  E   钱多多     女  17 
names(df1)[2] <- 'Name'      # 修改列名
df1
##   ID   Name Gender Age
## 1  A 李小明     男  18
## 2  B 张友谊     男  20
## 3  C 王大龙     女  19
## 4  D 沈小霞     男  21
## 5  E 钱多多     女  17

 (2)用row.names、rownames函数查看行名、修改行名

rownames(df1)     # 返回行名
##  [1] "1" "2" "3" "4" "5" 
row.names(df1)    # 返回行名
##  [1] "1" "2" "3" "4" "5" 

rownames(df1) <- df1$ID # 修改行名
dimnames(df1)     # 查看行名和列名

##  [[1]]
##  [1] "A" "B" "C" "D" "E"

##  [[2]]
##  [1] "ID"       "XingMing" "Gender"   "Age" 

 (3)获取行列维度的函数

nrow(df1)   # 返回行数
##  [1] 5 
ncol(df1)   # 返回列数
##  [1] 4 
dim(df1)    # 返回行列数
##  [1] 5 4

 (4)获取数据框的结构信息

str(df1)
## 'data.frame':    5 obs. of  4 variables:
##  $ ID    : chr  "A" "B" "C" "D" ...
##  $ Name  : chr  "李小明" "张友谊" "王大龙" "沈小霞" ...
##  $ Gender: chr  "男" "男" "女" "男" ...
##  $ Age   : num  18 20 19 21 17

 (5)显示数据框前几行信息

head(df1, 3)  # 返回前3行数据
##   ID   Name Gender Age
## A  A 李小明     男  18
## B  B 张友谊     男  20
## C  C 王大龙     女  19 

tail(df1, 3)  # 返回后3行数据
##   ID   Name Gender Age
## C  C 王大龙     女  19
## D  D 沈小霞     男  21
## E  E 钱多多     女  17

3.访问元素

(1)访问某行，从1计数

df1[2,]
##   ID   Name Gender Age
## B  B 张友谊     男  20 
df1['B',]
##   ID   Name Gender Age
## B  B 张友谊     男  20 
class(df1[2,])    # 访问某行，返回数据框
##  [1]  "data.frame" 
class(df1['B',])  # 访问某行，返回数据框
##  [1]  "data.frame"

 (2)访问某列，从1计数

A.返回数据框

df1[2]            # 访问第2列，返回数据框
##     Name
## A 李小明
## B 张友谊
## C 王大龙
## D 沈小霞
## E 钱多多 
df1['Name']       # 访问第2列，返回数据框
##     Name
## A 李小明
## B 张友谊
## C 王大龙
## D 沈小霞
## E 钱多多 
class(df1[2])       # 访问某列，返回数据框
## [1] "data.frame" 
class(df1['Name'])  # 访问某列，返回数据框
## [1] "data.frame"

 B.返回元素值的类型

df1[, 2]       # 访问第2列，返回元素值的类型
##  [1] "李小明" "张友谊" "王大龙" "沈小霞" "钱多多" 
df1[[2]]       # 等价写法：双中括号编号
##  [1] "李小明" "张友谊" "王大龙" "沈小霞" "钱多多" 
df1[['Name']]  # 等价写法：双中括号列名
##  [1] "李小明" "张友谊" "王大龙" "沈小霞" "钱多多" 
df1$Name     # 等价写法：$符号
##  [1] "李小明" "张友谊" "王大龙" "沈小霞" "钱多多" 

class(df1[, 2])     # 访问某列，返回元素值的类型(字符型)
##  [1] "character" 
class(df1[, 4])     # 访问某列，返回元素值的类型(数值型)
##  [1] "numeric"

(3)访问某个字段值

df1[3, 2]
##  [1] "王大龙" 
df1['C', 'Name']
##  [1] "王大龙" 
df1[3, ]$Name
##  [1] "王大龙" 
df1['C', ]$Name
##  [1] "王大龙"  
df1[3, 'Name']
##  [1] "王大龙"  
df1['C', 2]
##  [1] "王大龙" 

 (4)访问多列，返回数据框

A.连续多列

df1[, 2:4]        # 访问2-4列
##     Name Gender Age
## A 李小明     男  18
## B 张友谊     男  20
## C 王大龙     女  19
## D 沈小霞     男  21
## E 钱多多     女  17 
df1[2:4]     # 访问2-4列
##     Name Gender Age
## A 李小明     男  18
## B 张友谊     男  20
## C 王大龙     女  19
## D 沈小霞     男  21
## E 钱多多     女  17 
df1[,c(2:4)]         # 访问2-4列，不建议省略逗号，防止误解
##     Name Gender Age
## A 李小明     男  18
## B 张友谊     男  20
## C 王大龙     女  19
## D 沈小霞     男  21
## E 钱多多     女  17

 B.不连续多列

df1[, c(2, 4)]
##     Name Age
## A 李小明  18
## B 张友谊  20
## C 王大龙  19
## D 沈小霞  21
## E 钱多多  17 
df1[, c('Name', 'Age')]
##     Name Age
## A 李小明  18
## B 张友谊  20
## C 王大龙  19
## D 沈小霞  21
## E 钱多多  17 

df1[c(2, 4)]          # 不建议省略逗号，防止误解
##     Name Age
## A 李小明  18
## B 张友谊  20
## C 王大龙  19
## D 沈小霞  21
## E 钱多多  17 
df1[c('Name', 'Age')] # 不建议省略逗号，防止误解
##     Name Age
## A 李小明  18
## B 张友谊  20
## C 王大龙  19
## D 沈小霞  21
## E 钱多多  17 

class(df1[c(2, 4)])           # 返回数据框
##  [1] "data.frame" 
class(df1[c('Name', 'Age')])  # 返回数据框
##  [1] "data.frame"

(5)访问多行， 返回数据框

A.连续多行

df1[2:4,]
##   ID   Name Gender Age
## B  B 张友谊     男  20
## C  C 王大龙     女  19
## D  D 沈小霞     男  21 
df1[c(2:4),]
##   ID   Name Gender Age
## B  B 张友谊     男  20
## C  C 王大龙     女  19
## D  D 沈小霞     男  21 
class(df1[2:4, ]) # 返回数据框
##  [1] "data.frame"

 B.不连续多行

df1[c(2, 4),]
##   ID   Name Gender Age
## B  B 张友谊     男     20
## D  D 沈小霞     男     21 
df1[c('B', 'D'),]
##   ID   Name Gender Age
## B  B 张友谊     男     20
## D  D 沈小霞     男     21 

class(df1[c(2, 4),])     # 返回数据框
## [1] "data.frame" 
class(df1[c('B', 'D'),]) # 返回数据框
## [1] "data.frame"

(6)查询与子集

A.布尔向量，配合which函数，实现选择运算

df1
##   ID   Name Gender Age
## A  A 李小明     男  18
## B  B 张友谊     男  20
## C  C 王大龙     女  19
## D  D 沈小霞     男  21
## E  E 钱多多     女  17 
df1$Gender
##  [1] "男" "男" "女" "男" "女" 
df1$Gender == '男'
## [1]  TRUE  TRUE FALSE  TRUE FALSE 
which(df1$Gender == '男')
## [1] 1 2 4 

df1[which(df1$Gender == '男'),]         # 访问所有性别为男记录
##   ID   Name Gender Age
## A  A 李小明     男       18
## B  B 张友谊     男      20
## D  D 沈小霞     男      21 
df1[which(df1$Age > 18), c('Name', 'Gender', 'Age')] # 返回数据框
##     Name Gender Age
## B 张友谊     男     20
## C 王大龙     女     19
## D 沈小霞     男     21 
df1[which(df1$Age > 18), 'Age']  # 返回元素的值
## [1] 20 19 21

 B.which函数增加逻辑运算

df1[which(df1$Gender == '男' & df1$Age > 19), 'Name']
##  [1] "张友谊" "沈小霞" 
df1[which(df1$Age < 18| df1$Age >20), ]
##      ID   Name Gender Age
##  4  D 沈小霞     男  21
##  5  E 钱多多     女  17

 (7)subset函数过滤

df1
##   ID   Name Gender Age
## A  A 李小明     男  18
## B  B 张友谊     男  20
## C  C 王大龙     女  19
## D  D 沈小霞     男  21
## E  E 钱多多     女  17 
subset(df1, Gender == '男' & Age > 19, 'Name')
##        Name
##    2 张友谊
##    4 沈小霞 
subset(df1, Gender == '男' & Age > 19, c('Name', 'Age'))
##        Name Age
##  2 张友谊   20
##  4 沈小霞   21 
subset(df1, Gender == '男' & Age > 19, )
##     ID   Name  Gender Age
##  2  B   张友谊     男      20
##  4  D   沈小霞     男      21 
subset(df1, Age < 18 | Age > 20, )
##      ID   Name Gender Age
##  4   D 沈小霞     男       21
##  5   E 钱多多     女       17 
subset(df1, !(Age < 18 | Age > 20), )
##      ID   Name Gender Age
##   1  A 李小明     男       18
##   2  B 张友谊     男       20
##   3  C 王大龙     女      19

 (8)使用SQL查询语句

library(sqldf)
sqldf('select * from df1')
##   ID   Name Gender Age
## 1  A 李小明     男      18
## 2  B 张友谊     男      20
## 3  C 王大龙     女      19
## 4  D 沈小霞     男      21
## 5  E 钱多多     女      17

例:查询df1中年龄大于20或小于18的行。 

sqldf('select * from df1 where Age > 20 or Age < 18')
##   ID   Name Gender Age
## 1  D 沈小霞     男     21
## 2  E 钱多多     女     17

 例:查询df1中性别为男且年龄大于18的行。

sqldf('select * from df1 where Gender == "男"and Age > 18')
##      ID   Name Gender Age
##   1  B 张友谊     男      20
##   2  D 沈小霞     男      21

 (9)遍历数据框(时间复杂度高)

dim(df1)
##  [1] 5 4 
dim(df1)[1]
##  [1] 5 
dim(df1)[2]
##  [1] 4 

# 获取数据框维度
x <- dim(df1)[1]
y <- dim(df1)[2]

# 遍历数据框中每个值
for(i in 1:x){
  for(j in 1:y){
    print(df1[i, j])
  }
}
## [1] "A"
## [1] "李小明"
## [1] "男"
## [1] 18
## [1] "B"
## [1] "张友谊"
## [1] "男"
## [1] 20
## [1] "C"
## [1] "王大龙"
## [1] "女"
## [1] 19
## [1] "D"
## [1] "沈小霞"
## [1] "男"
## [1] 21
## [1] "E"
## [1] "钱多多"
## [1] "女"
## [1] 17 
for(i in 1:x){
  if(df1[i, 'Age'] > 18){
    print(df1[i,])
  }
}
##   ID   Name Gender Age
## B  B 张友谊     男  20
##   ID   Name Gender Age
## C  C 王大龙     女  19
##   ID   Name Gender Age
## D  D 沈小霞     男  21

 (10)使用table函数获得统计量

table(df1$Gender)
##  
##  男 女 
##   3  2  
table(df1$Age)
##  
##  17 18 19 20 21 
##   1   1   1   1   1  
table(df1$Gender, df1$Age)
    
##        17 18 19 20 21
##    男  0  1   0    1  1
##    女  1  0   1    0  0

4.修改数据框

(1)查看和修改数据类型

str(df1)
## 'data.frame':    5 obs. of  4 variables:
##  $ ID    : chr  "A" "B" "C" "D" ...
##  $ Name  : chr  "李小明" "张友谊" "王大龙" "沈小霞" ...
##  $ Gender: chr  "男" "男" "女" "男" ...
##  $ Age   : num  18 20 19 21 17 

df1$Gender <- as.factor(df1$Gender)
str(df1)
## 'data.frame':    5 obs. of  4 variables:
##  $ ID    : chr  "A" "B" "C" "D" ...
##  $ Name  : chr  "李小明" "张友谊" "王大龙" "沈小霞" ...
##  $ Gender: Factor w/ 2 levels "男","女": 1 1 2 1 2
##  $ Age   : num  18 20 19 21 17

 (2)增加新列

df1$Edu <- c('本科', '专科', '研究生', '本科', '研究生')
df1
        ID   Name Gender Age    Edu
##  1  A 李小明     男     18     本科
##  2  B 张友谊     男     20    专科
##  3  C 王大龙     女     19  研究生
##  4  D 沈小霞     男     21    本科
##  5  E 钱多多     女     17  研究生 
df2 <- cbind(df1, Age4=c(1, 3, 4, 5, 6))
df2
##       ID   Name Gender Age    Edu Age4
##    1  A   李小明     男    18   本科      1
##    2  B   张友谊     男    20   专科      3
##    3  C   王大龙     女    19 研究生    4
##    4  D   沈小霞     男    21   本科      5
##    5  E   钱多多     女    17 研究生    6

 (3)删除列

subset(df2, select = -Age4)  # 删除Age4列
         ID   Name Gender Age    Edu
##  1  A   李小明     男    18    本科
##  2  B   张友谊     男    20   专科
##  3  C   王大龙     女    19  研究生
##  4  D   沈小霞     男    21    本科
##  5  E   钱多多     女    17  研究生 
df2[, -6]   # 删除第6列
         ID   Name Gender Age    Edu
##  1  A   李小明     男    18    本科
##  2  B   张友谊     男    20   专科
##  3  C   王大龙     女    19  研究生
##  4  D   沈小霞     男    21    本科
##  5  E   钱多多     女    17  研究生 
ColNum <- dim(df2)[2]
df2[, -ColNum]
         ID   Name Gender Age    Edu
##  1  A   李小明     男    18    本科
##  2  B   张友谊     男    20   专科
##  3  C   王大龙     女    19  研究生
##  4  D   沈小霞     男    21    本科
##  5  E   钱多多     女    17  研究生

 (4)删除行

df2[-1, ]
##     ID   Name Gender Age    Edu Age4
##  2  B 张友谊     男      20   专科    3
##  3  C 王大龙     女     19 研究生    4
##  4  D 沈小霞     男     21   本科     5
##  5  E 钱多多     女     17 研究生    6 
which(df2$Gender == '男')
##  [1] 1 2 4 
df2[-which(df2$Gender == '男'),]
##      ID   Name Gender Age    Edu Age4
##  3  C   王大龙     女     19    研究生    4
##  5  E   钱多多     女      17   研究生    6

5.连接数据框、拆分数据框

(1)使用merge函数横向连接

score <- data.frame(
  ID = c('A', 'C', 'B', 'C', 'E', 'C', 'A'),
  course = c('数学', '数学', '数学', '语文', '数学', '英语', '英语'),
  score = c(69, 80, 55, 90, 93, 77, 83)
)

score
##     ID course score
##  1  A   数学    69
##  2  C   数学    80
##  3  B   数学    55
##  4  C   语文    90
##  5  E   数学    93
##  6  C   英语    77
##  7  A   英语    83 
df1
##     ID   Name Gender Age    Edu
##  1  A   李小明     男     18   本科
##  2  B   张友谊     男     20   专科
##  3  C   王大龙     女     19 研究生
##  4  D   沈小霞     男     21   本科
##  5  E   钱多多     女     17 研究生 

merge(df1, score, by = 'ID')
##    ID   Name Gender Age    Edu course score
##  1  A 李小明     男     18   本科   数学      69
##  2  A 李小明     男     18   本科   英语      83
##  3  B 张友谊     男     20   专科   数学      55
##  4  C 王大龙     女    19 研究生   数学      80
##  5  C 王大龙     女    19 研究生   语文      90
##  6  C 王大龙     女    19 研究生   英语      77
##  7  E 钱多多     女    17 研究生   数学      93 
merge(x = df1, y = score, by.x = "ID", by.y = "ID")
##    ID   Name Gender Age    Edu course score
##  1  A 李小明     男     18   本科   数学      69
##  2  A 李小明     男     18   本科   英语      83
##  3  B 张友谊     男     20   专科   数学      55
##  4  C 王大龙     女    19 研究生   数学      80
##  5  C 王大龙     女    19 研究生   语文      90
##  6  C 王大龙     女    19 研究生   英语      77
##  7  E 钱多多     女    17 研究生   数学      93

 (2)使用cbind横向连接(column bind，列更多了)

# cbind(df1, score)
cbind(df1, score[1:5, ]) # 行数必须相同，没有外键关联
##    ID   Name Gender Age    Edu ID course score
##  1  A 李小明     男      18     本科  A   数学    69
##  2  B 张友谊     男      20     专科  C   数学    80
##  3  C 王大龙     女     19   研究生  B   数学    55
##  4  D 沈小霞     男      21    本科   C   语文    90
##  5  E 钱多多     女     17   研究生  E   数学    93

(3)使用rbind纵向连接(row bind，行更多了) 

stu1 <- data.frame(
  姓名 = c('小丽', '小明'),
  性别 = c('女', '男'),
  班级 = c('1班', '1班')
)

stu2 <- data.frame(
  姓名 = c('小美', '小红', '小艳'),
  性别 = c('女', '男', '女'),
  班级 = c('2班', '2班', '2班')
)
stu1
##     姓名 性别 班级
##  1 小丽   女  1班
##  2 小明   男  1班 
stu2
##     姓名 性别 班级
##  1 小美   女  2班
##  2 小红   男  2班
##  3 小艳   女  2班 
rbind(stu1, stu2) # 列数必须相同，列名要一致
##   姓名 性别 班级
## 1 小丽   女  1班
## 2 小明   男  1班
## 3 小美   女  2班
## 4 小红   男  2班
## 5 小艳   女  2班

 (4)按照性别把df1拆成两个数据框

df1
##     ID   Name Gender Age    Edu
##  1  A   李小明     男     18   本科
##  2  B   张友谊     男     20   专科
##  3  C   王大龙     女     19 研究生
##  4  D   沈小霞     男     21   本科
##  5  E   钱多多     女     17 研究生

A.方法1 

df_T <- df1[df1$Gender == '男',]
df_F <- df1[df1$Gender == '女',]
df_T
##     ID   Name Gender Age  Edu
##  1  A 李小明     男      18    本科
##  2  B 张友谊     男      20    专科
##  4  D 沈小霞     男      21    本科 
df_F
##      ID   Name Gender Age    Edu
##  3  C 王大龙     女      19   研究生
##  5  E 钱多多     女      17   研究生

 A.方法2

df_sub <- split(df1, df1$Gender)
df_sub

##   $男
##       ID   Name Gender Age  Edu
##   1  A 李小明     男  18 本科
##   2  B 张友谊     男  20 专科
##   4  D 沈小霞     男  21 本科

##   $女
##       ID   Name Gender Age    Edu
##   3  C 王大龙     女  19 研究生
##   5  E 钱多多     女  17 研究生

class(df_sub)
## [1] "list"

 6.数据框的计算，按某列求平均值

result <- merge(x = df1, y = score, by = "ID")
result
##   ID   Name Gender Age    Edu course score
## 1  A 李小明     男      18   本科      数学    69
## 2  A 李小明     男      18   本科      英语    83
## 3  B 张友谊     男      20   专科      数学    55
## 4  C 王大龙     女      19 研究生     数学    80
## 5  C 王大龙     女      19 研究生     语文    90
## 6  C 王大龙     女      19 研究生     英语    77
## 7  E 钱多多     女      17 研究生     数学    93

(1)求各科平均分、总分、选课人数 

# 产生空白数据框
course_mean <- data.frame(course=c(), avg=c(), sum=c(), count=c())

for(i in unique(score$course)){
  # 分组
  subgrp <- score[which(score$course == i), 'score']
  
  # 求行的平均数
  count <- length(subgrp) # 计数
  sum <-  sum(subgrp)     # 总分
  avg <-  mean(subgrp)    # 平均分
  
  # 合并到科目平均数
  course_mean <- rbind(course_mean, 
                       data.frame(course = c(i),
                                  avg = c(avg),
                                  sum = c(sum), 
                                  count = c(count)))
}

course_mean
##    course   avg sum count
##  1   数学 74.25 297     4
##  2   语文 90.00  90     1
##  3   英语 80.00 160     2

 (2)求每个人的平均分

student_mean <- data.frame(student=c(), avg=c(), sum=c(), count=c())

for(i in unique(result$Name)){
  # 分组
  subgrp <- result[which(result$Name== i), 'score']
  
  # 求行的平均数
  count <- length(subgrp) # 计数
  sum <-  sum(subgrp)     # 总分
  avg <-  mean(subgrp)    # 平均分
  
  # 合并到科目平均数
  student_mean <- rbind(student_mean, 
                       data.frame(student = c(i),
                                  avg = c(avg),
                                  sum = c(sum), 
                                  count = c(count)))
}

student_mean
##    student      avg sum count
##  1  李小明 76.00000 152     2
##  2  张友谊 55.00000  55     1
##  3  王大龙 82.33333 247     3
##  4  钱多多 93.00000  93     1

 (3)使用tapply函数

result
##    ID   Name Gender Age    Edu course score
##  1  A 李小明     男     18   本科   数学      69
##  2  A 李小明     男     18   本科   英语      83
##  3  B 张友谊     男     20   专科   数学      55
##  4  C 王大龙     女    19 研究生   数学      80
##  5  C 王大龙     女    19 研究生   语文      90
##  6  C 王大龙     女    19 研究生   英语      77
##  7  E 钱多多     女    17 研究生   数学      93 
tapply(result[,7], result[,6],mean)
##  数学  英语  语文 
## 74.25 80.00 90.00 
tapply(result[,7], result[,6],sum)
## 数学 英语 语文 
##  297  160   90 
tapply(result[,7], result[,c(3,6)],mean)
##       course
## Gender 数学 英语 语文
##     男 62.0   83   NA
##     女 86.5   77   90 
tapply(result[,7], result[,c(2,6)],mean)
##         course
## Name     数学 英语 语文
##   李小明   69   83   NA
##   钱多多   93   NA   NA
##   王大龙   80   77   90
##   张友谊   55   NA   NA 

dat1 <- data.frame(host = c('A', 'A', 'A', 'E', 'E', 'G'),
                   guest = c('C', 'B', 'D', 'Q', 'F', 'W'),
                   num = c(2, 1, 2, 3, 0, 2))
dat1
##      host guest num
##   1    A     C      2
##   2    A     B      1
##   3    A     D      2
##   4    E     Q     3
##   5    E     F      0
##   6    G     W     2 

#tapply(vector, index, function)
tapply(dat1[, 3], dat1[, c(1, 2)], mean)
##        guest
## host   B  C  D  F  Q  W
##       A  1  2  2 NA NA NA
##       E NA NA NA  0  3 NA
##       G NA NA NA NA NA  2
可乐　　
关注
  • 42
    点赞
  • 踩
  • 313
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
R语言基础教程1：数据类型
R语言与生物信息学
04-23 8113
R语言基础教程1：数据类型R语言基础教程2：散点图R语言基础教程3：曲线图、误差线和图例R语言基础教程4：柱形图R语言基础教程5：图形页面排版R语言基础教程6：程序设计基础R语言基础教程7：数据描述性统计了解数据的分类和数据结构对于生物专业的学生来说是很枯燥的。但数据又是最基本的东西，没有数据，只能玩干瞪眼。怕枯燥的，这部分先粗略的看一遍，以后需要了再回来查询。R语言是面向对象的。面向对象的理论一
R语言数据结构(三)数据框
bio77的博客
08-02 2260
这篇文章我们将介绍数据框的使用
7.R语言数据结构-数据框
qq_54813905的博客
05-05 1659
数据框是用于存储数据表的数据结构（结构和二维矩阵类似）每一列都有一个唯一的列名同一列的数据类型需要一致，不同列的数据类型可以不一样每个列包含相同数量的数据项（长度相等） 使用data.frame() 函数创建一个简单的数据框： stringsAsFactors=FALSE:字符变量是否转换为因子类型（分类标记，如男、女） ...
《R语言与农业数据统计分析及建模》学习——创建与访问数据框
maizeman126的博客
04-20 420
数据框具有多种基本属性可以用于查看和处理数据，包括纬度、列名、数据类型、列数、行数、摘要信息等。用read.table()、read.csv()函数读入外部文件的表格数据，也将可以数据框的形式保存在R中。在R语言中，可以使用不同的索引方式对数据框中的数据进行访问、索引和切片。使用data.frame()函数，可以通过列名和数据向量创建数据框。每个列名后面紧跟着一个数据向量，每个数据向量表示数据框中的一列。多种特点使数据框在数据和分析复杂数据时非常有效和方便。1、数据框的概念和特点。2、数据框的基本操作。
R语言----02数据框
Rita_rr的博客
03-11 336
本文章主要介绍R语言中的数据框
R语言数据分析案例.rar
06-04
R中的数据结构包括向量、矩阵、数组、数据框和列表，它们在数据预处理阶段起着关键作用。例如，数据框是处理表格数据的主要方式，它由等长的向量组成，每个向量代表一个变量。在R中，我们可以使用`read.csv`或`read....
R语言数据集，table
03-11
在数据分析和统计建模领域，R语言是一种广泛使用的开源编程语言和环境。它以其强大的数据处理、图形生成以及统计分析能力而闻名。本主题聚焦于R语言中的数据集和`table`对象，这是进行数据分析的基础。 R语言内建了...
R语言数据分析资源汇总.rar
01-07
2. 数据类型与数据结构：包括向量、矩阵、数组、列表、数据框和因子等基本数据类型，理解它们的特性及相互转换方法。 3. 控制流：掌握if/else语句、for循环、while循环等逻辑控制，用于实现条件判断和重复执行任务。...
R语言数据分析案例&代码.zip
02-21
R语言具有丰富的数据结构，如向量、矩阵、数组、列表和数据框，这些结构为处理各种类型的数据提供了便利。在数据分析过程中，我们经常需要对数据进行清洗、整理和预处理，R语言的`dplyr`库提供了强大的数据操作功能...
自己总结的R语言数据分析笔记
04-11
R语言支持多种数据结构，包括： - **标量（Scalar）**：实际上是一个长度为1的向量。 - **向量（Vector）**：c()函数用于创建向量，所有元素必须是同一类型。 - **矩阵（Matrix）**：由同一类型元素组成的二维数组。...
R语言学习笔记--数据框输出和查看
w1149033842的博客
03-15 1万+
（1）将数据框C输出为.csv文件 write.table(C,file="ABC.csv",sep = ",",row.names=FALSE)     #ABC.csv将保存在R的工作目录下 （2）查看数据框C的行数和列数 行数：length（C[1, ]） 列数：length(C[ ,1]) （3）查看数据框C的变量名即列名 colnames(C) （4）查看数据框C的变量
R语言(5)：数据框
qq_64279967的博客
10-27 64
数据框类似矩阵，但是不同的列可以有不同的模式（mode）。正如列表可以类比一维向量，儿数据框可以类比二维数据的矩阵。
R语言数据框-dataframe的使用
热门推荐
panguoyuan的专栏
05-11 4万+
R语言知识点太多，只能一个一个的去理解，去应用，相信日积月累最后能达到熟练掌握，以下是对学习《统计建模与R软件》时做的笔记 1、数据框是R语言里中的一种数据结构，其内部可以由多种数据类型，每一列是一个变量，每行是一个观测记录。在R中数据框是很通用的数据结构，它是一种特殊的列表对象 2、初始化数据框 > mydataframe=data.frame( + name=c(\"张三\", \
R语言Data Frame数据框常用操作
weixin_33725807的博客
03-05 5960
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D...
R语言-数组与数据框操作
智慧与美貌并存
05-24 1万+
1、 数组基本的操作： 1） 、查看数组---直接调用数组名回车； 2） 、按照下标获取数组元素---调用数组名+方括号+元素下标； 3）、查看数组长度（length()）； 4）、查看数组元素类型（mode();  ps:语言只支持数组元素单一类型，及所有元素要么都是字符，要么都是数值） 5）、对数组的操作还包括多个数组的包括，可以将两个数组组合成一个矩阵(R语言称
R语言创建空数据框(Empty Data Frame )用于追加数据
Nh_code的博客
06-26 9389
R语言创建空数据框(Empty Data Frame )用于追加数据
R语言--数据框
AnneQiQi的博客
05-22 7352
数据框 数据框是一种矩阵形式的数据，数据框各列中的数据可以是不同类型的数据。数据框每一列认为是一个变量，每一行是一个观测；看以看做是矩阵的推广。 数据框的生成函数：data.frame()   列入数据框列表的限制： 1：他的分量必须是向量 ---- 数值，字符，逻辑 -----因子 -----数值矩阵 -----列表 ------其他数据框（实现了数据框的嵌套） 2：矩阵、
R语言进行集成学习算法：随机森林
2301_76574743的博客
07-15 391
【代码】R语言进行集成学习算法：随机森林。
【JAVA】深入理解Hutool中的Pair、Triple和Tuple：组合数据的新方式，方法返回多个值，嘎嘎香，谁用谁知道，比原生好用更强大
最新发布
hs598375774的博客
07-18 656
Pair用于存储两个元素的键值对，通常包含一个键和一个值。这种结构在需要将两个相关联的数据项作为一个单元进行操作时非常有用。键值结构：提供键（left）和值（right）两种数据的存储。不可变性：一旦创建，Pair中的值不能被修改，保证了数据的不可变性和线程安全。使用场景：存储用户ID和名称、记录商品价格和库存数量等。
R语言数据结构：列表合并与基本操作
R语言的基本数据结构包括向量、列表、矩阵、数组、数据框和因子。在提供的部分内容中提到了数据框的创建，数据框是二维的表格结构，类似于数据库中的表格，每列可以是不同类型的变量。作业1要求创建一个数据框，其中...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

可乐　　

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值