R语言 frame日常操作

frame简直是R中神一般的存在，翻译为数据框架，和矩阵很像，但绝对比矩阵更加强大， frame可以各种数据类型杂交，简直太方便了。下面介绍下简单的操作，因为。。。更深的操作我也不会，真的要靠日常积累吧。

创建frame

最基础的，一行一行创建，这个确实有点点傻，不过做生信的宝宝，谁会自己建表呢，都是生成的数据，简单测试而已。

 student<-data.frame(ID=c(11,12,13),Name=c("Devin","Edward","Wenli"))
 #查看一下
 student

一些基本信息查看

> student
  ID   Name
1 11  Devin
2 12 Edward
3 13  Wenli

查看列名：

> row.names(student)
[1] "1" "2" "3"

查看行名:

> colnames(student)
[1] "ID"   "Name"

#增加列
student$sex=c("b","g","b")

#增加行（新建一个表，把俩表绑定在一起，rbind是行绑定）
newstudent=data.frame(ID=c(14),Name=c("Peter"),sex=c("b"))
student=rbind(student,newstudent)

#删除最后一行（本来有4行，取前三行，赋值给原表）
student=student[1:3,]

两个表之间的合作

新建一个表：

home<-data.frame(ID=c(11,1,2),no=c(111,122,133))

#查找student表中是否有home表的学生（ID来区分）
sh=student[which(student$ID%in%home$ID),]
#或者按照列来匹配，student第一列和home第一列是否有交叉，有的话输出student信息
sh=student[which(student$ID%in%home[1,]),]

#两个表合并，按照ID合并
 result=merge(student,home,by.x = "ID")
 result
 ID  Name sex  no
1 11 Devin   b 111

查询子集

查询一个Date Frame，返回一个满足条件的子集，这相当于数据库中的表查询，是非常常见的操作。使用行和列的Index来获取子集是最简单的方法，前面已经提到过。如果我们使用布尔向量，配合which函数，可以实现对行的过滤。比如我们要查询所有Gender为F的数据，那么我们首先对student$Gender==“F”，得到一个布尔向量:FALSE FALSE  TRUE,然后使用which函数可以将布尔向量中TRUE的Index返回，所以我们的完整查询语句就是：

student[which(student$Gender=="F"),]

注意这里列Index并没有输入，如果我们只想知道所有女生的年龄，那么可以改为：

student[which(student$Gender=="F"),"Age”]

这样的查询写法还是复杂了点，可以直接使用subset函数，那么查询会简单些，比如我们把查询条件改为年龄<30的女性，查姓名和年龄，那么查询语句为：

subset(student,Gender=="F" & Age<30 ,select=c("Name","Age"))