收藏本站

人工智能培训机构,上海涛德,算法工程师,数据科学家高端培训机构-上海涛德

查看: 254|回复: 0

R语言Data Frame数据框常用操作

[复制链接]

43

主题

0

好友

657

积分

管理员

Rank: 9Rank: 9Rank: 9

发表于 2016-9-11 17:56:43 |显示全部楼层

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Data Frame其中包含ID和Name还有Gender以及Birthdate,那么代码为:
student<-data.frame(ID=c(11,12,13),Name=c("Devin","Edward","Wenli"),Gender=c("M","M","F"),Birthdate=c("1984-12-29","1983-5-6","1986-8-8”))

另外也可以使用read.table() read.csv()读取一个文本文件,返回的也是一个Data Frame对象。读取数据库也是返回Data Frame对象。
查看student的内容为:
  ID   Name Gender  Birthdate
1  11  Devin      M 1984-12-29
2  12 Edward      M   1983-5-6
3  13  Wenli      F   1986-8-8

这里只指定了列名为ID,Name,Gender和Birthdate,使用names函数可以查看列名,如果要查看行名,需要用到row.names函数。这里我们希望将ID作为行名,那么可以这样写:
row.names(student)<-student$ID

更简单的办法是在初始化date.frame的时候,有参数row.names可以设置行名的向量。
访问元素与Matrix一样,使用[行Index,列Index]的格式可以访问具体的元素。
比如访问第一行:
student[1,]

访问第二列:
student[,2]

使用列的Index或者列名可以选取要访问的哪些列。比如要ID和Name,那么代码为:
idname<-student[1:2]

或者是
idname<-student[c("ID","

如果是只访问某一列,返回的是Vector类型的,那么可以使用[[或者$来访问。比如我们要所有student的Name,代码为:
name<-student[[2]] 或者name<-student[[“Name”]] 或者name<-student$Name

使用attach和detach函数可以使得访问列时不需要总是跟着变量名在前面。
比如要打印所有Name,那么可以写成:
attach(student)
print(Name)
detach(student)

还可以换一种简洁一点的写法就是用with函数:
with(student,{
  n<-Name
  print(n)
})

这里的n作用域只在大括号内,如果想在with函数中对全局的变量进行赋值,那么需要使用<<-这样一个运算符。
修改列数据类型接下来我们查看该对象每列的类型,使用str(student)可以得到如下结果:
'data.frame':3 obs. of  4 variables:
$ ID       : num  1 2 3
$ Name     : Factor w/ 3 levels "Devin","Edward",..: 1 2 3
$ Gender   : Factor w/ 2 levels "F","M": 2 2 1
$ Birthdate: Factor w/ 3 levels "1983-5-6","1984-12-29",..: 2 1 3

默认情况下,字符串向量都会被自动识别成Factor,也就是说,ID是数字类型,其他的3个列都被定义为Factor类型了。显然这里Name应该是字符串类型,Birthdate应该是Date类型,我们需要对列的数据类型进行更改:
student$Name<-as.character(student$Name)
student$Birthdate<-as.Date(student$Birthdate)

下面我们再运行str(student)看看修改后的结果:
'data.frame':3 obs. of  4 variables:
$ ID       : num  11 12 13
$ Name     : chr  "Devin" "Edward" "Wenli"
$ Gender   : Factor w/ 2 levels "F","M": 2 2 1
$ Birthdate: Date, format: "1984-12-29" "1983-05-06" "1986-08-08”

添加新列对于以及存在的student对象,我们希望增加Age列,该列是根据Birthdate算出来的。首先需要知道怎么算年龄。我们可以使用日期函数Sys.Date()获得当前的日期,然后使用format函数获得年份,然后用两个年份相减就是年龄。好像R并没有提供几个能用的日期函数,我们只能使用format函数取出年份部分,然后转换为int类型相减。
student$Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(student$Birthdate,"%Y”))

这样写似乎太长了,我们可以用within函数,这个函数和之前提到过的with函数类似,可以省略变量名,不同的地方是within函数可以在其中修改变量,也就是我们这里增加Age列:
student<-within(student,{
  Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(Birthdate,"%Y"))
})

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"),"

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"))

使用SQL查询Data Frame
对于我这种使用了多年SQL的人来说,如果能够直接写SQL语句对Data Frame进行查询操作,那是多么方便美妙的啊,结果还真有这么一个包:sqldf。
同样是前面的需求,对应的语句就是:
library(sqldf)
result<-sqldf("select Name,Age from student where Gender='F' and Age<30")

连接/合并对于数据库来说,对多表进行join查询是一个很正常的事情,那么在R中也可以对多个Data Frame进行连接,这就需要使用merge函数。
比如除了前面申明的student对象外,我们再申明一个score变量,记录了每个学生的科目和成绩:
score<-data.frame(SID=c(11,11,12,12,13),Course=c("Math","English","Math","Chinese","Math"),Score=c(90,80,80,95,96))

我们看看该表的内容:
  SID  Course Score
1  11    Math    90
2  11 English    80
3  12    Math    80
4  12 Chinese    95
5  13    Math    96

这里的SID就是Student里面的ID,相当于一个外键,现在要用这个ID进行inner join操作,那么对应的R语句就是:
result<-merge(student,score,by.x="ID",by.y="SID")


您需要登录后才可以回帖 登录 | 立即注册

<点击:上海涛德Oracle OCM认证及BI商业智能课程>|人工智能培训-上海涛德 ( 沪ICP备14006824号 )|网站地图   My title page contents

GMT+8, 2018-4-27 03:20 , Processed in 0.235171 second(s), 32 queries , Gzip On.

回顶部