Python VS R | 增删查改数据框

在Python和R中，数据框可谓是使用最频繁的数据结构之一。但二者对于数据框的操作是存在一定差异的，稍加不注意，就容易弄混，今天就对此进行总结。

一、数据框创建

• Python

import pandas as pd
data = pd.DataFrame({'name':['张三','李四','王五'],
             'gender':['男','男','女'],
             'age':[19,18,18],
             'major':['统计学','经济学','心理学']})                 

• R

#注意:R读取数据框时,会自动将字符型数据读为因子型数据！所以,这里将stringsASFactors参数设为False
data<-data.frame(name=c("张三","李四","王五"),
                 gender=c("男","男","女"),
                 age=c(19,18,18),
                 major=c("统计学","经济学","心理学"),
                 stringsAsFactors=FALSE)

补充一个实用小技巧：在实际分析中，我们通常会对相同数据框进行批量合并处理。那么一开始就必须创建一个空白数据框，然后通过循环不断往里填数据。这里以data数据集为例，复制三次其内容，组成一个新的数据框。

• Python

concat函数默认列方向进行合并，若想横向合并可设置axis=1

all_data = pd.DataFrame()  #创建空白数据框
for i in range(3):
    all_data = pd.concat([all_data,data],ignore_index=True)  #ignore_index参数使得合并索引从0开始
print(all_data)

• R

R中有点不同，必须先创建一个矩阵，再将其转为数据框，才能往内部填数据！

all_data<-data.frame(matrix(0,0,0))
for(i in seq(3)){
  all_data=rbind(all_data,data)
}
print(all_data)

二、查看数据框基本信息

• Python

#1、查看各数据字段类型
data.info()

#2、查看索引
data.index

#3、查看列名
data.columns

• R

#1、查看各字段类型
str(data)

#2、查看索引
rownames(data)

#3、查看列名(这里也可以用names)
colnames(data)
names(data)

三、增减列字段

• Python

data["class"] = ['一班','一班','二班'] #添加class列
data = data.drop(columns=['gender']) #删除gender列
data

• R

R中添加字段主要是通过美元符号$进行的

#增加class列
data$class<-c("一班","一班","二班")

#删除class和gender列
del_col<-names(data)%in%c("class","gender") # a%in%b表示: 判断a是否在b中,是则返回TRUE
data[!del_col] #!代表非

四、数据筛选

4.1 单条件筛选

• Python

#筛选单列
print(data["gender"])
print(data.loc[:,'gender'])
print(data.iloc[:,1])

#筛选多列(注意,python索引是从0开始)
print(data[["name","gender","major"]])
print(data.loc[:,["name","gender","major"]])
print(data.iloc[:,[0,1,3]])

• R

注意：在R中进行筛选时美元符号等价双括号，二者返回的都是向量。而括号筛选返回的是数据框！

#筛选gender列,注意前三种返回的都是向量,最后一种返回数据框!
data$gender 
data[["gender"]]  
data[,2]  #R索引是从1开始的!

data["gender"]  #返回数据框

4.2 多条件筛选

筛选出性别为男性，年龄为18岁的学生数据

• Python

Python中常用的组合筛选有两种：一是data[(条件一)&(条件二)&...(条件n)]；二是query函数，基本用法为data.query('条件1 & 条件2 & ... &条件n')

#方法一,注意不同条件之间一定要用圆括号括起来！！！
print(data[(data['gender']=='男')&(data['age']==18)])

#方法二
print(data.query("gender == '男' & age ==18"))

• R

与Python类似，R中也有两种常用的组合筛选方式。一是data[条件1&条件2&..,c("column1","column2",..)]（这里各条件之间可以不用小括号）；二是subset函数，基本用法为subset(data,subset=条件1&条件2&..),select=c("column1","column2",..)

data[data$gender=="男" & data$age==18,c("name","gender","age","major")]

subset(data,
       subset = data$gender=="男" & data$age==18 ,
       select=c("name","gender","age","major"))

以上为本次分享的全部内容~