R 語言的Dataframe經常使用操做

上節咱們簡單介紹了Dataframe的定義，這節咱們具體來看一下Dataframe的操做

首先，數據框的建立函數爲 data.frame( )，參考R語言的幫助文檔，咱們來了解一下data.frame( )的具體用法：

Usage
data.frame(..., row.names = NULL, check.rows = FALSE,
           check.names = TRUE, fix.empty.names = TRUE,
           stringsAsFactors = default.stringsAsFactors())
default.stringsAsFactors()
Arguments
... :these arguments are of either the form value or tag = value. Component names are created based on the tag (if present) or the deparsed argument itself.
row.names :NULL or a single integer or character string specifying a column to be used as row names, or a character or integer vector giving the row names for the data frame.

固然，後面還有不少參數的具體用法，在此不作一一贅述，主要用到的就是前兩個。首先，「...」表明了表格數據，就是要構成數據框的數據主體，row.names( )爲要構成數據框的行名，那麼既然數據框至關於R語言的一個表格，應該既有行名也有列名纔對，那麼列名又是如何給出的呢？咱們知道，不少的數據處理軟件以及算法是以數據的列爲單位進行的，以前咱們構建矩陣的時候，默認也是按列填充（byrow=FALSE），而列名在建立數據框開始咱們就已經肯定好了的。詳見下面代碼：

我想要建立一個名爲「mydataframe」的數據框，首先肯定數據框裏面的列有哪些，而後調用函數data.frame( )函數

> C1 <-c(1,2,3,4)
> C2 <-c(5,6,7,8)
> C3 <-c(9,10,11,12)
> C4 <-c(13,14,15,16)
> C5 <-c(17,18,19,20)
> mydataframe <- data.frame(C1,C2,C3,C4,C5,row.names = c("R1","R2","R3","R4"))
> mydataframe
   C1 C2 C3 C4 C5
R1  1  5  9 13 17
R2  2  6 10 14 18
R3  3  7 11 15 19
R4  4  8 12 16 20

因而可知，數據框是把現有的列拼接成一個表格的一種數據結構，細心的朋友會發現，這個數據框怎麼跟上節咱們講過的矩陣長得那麼同樣！！！再回顧一下上節的矩陣建立：

> mydata <- c(1:20)
> cnames <- c("C1","C2","C3","C4","C5")
> rnames <- c("R1","R2","R3","R4")
> myarray <- matrix(mydata,nrow = 4,ncol = 5,dimnames = list(rnames,cnames))
> myarray
   C1 C2 C3 C4 C5
R1  1  5  9 13 17
R2  2  6 10 14 18
R3  3  7 11 15 19
R4  4  8 12 16 20

確實，從長相上來講分不出差異，可是矩陣裏面的元素必須一致，而數據框能夠是各類類型數據的集合。這種集合不是無條件亂七八糟的集合，而是以列爲單位，不一樣列的元素類型能夠不一樣，可是同一列的元素類型必須一致。所以，矩陣能夠看作特殊的數據框類型那麼這麼作有什麼意義呢？在數據統計中，咱們須要有各類各樣類型的數據，就拿簡單的成績單來講，就包含了「姓名」，「學號」，「科目」等字符型元素，也包括「分數」等數值型元素，還有「是否經過」等布爾型元素，所以，從普遍意義上來講，dataframe更具備普適性，矩陣多用在數學計算中。說歸說，咱們來實際建立一個數據框，而後再演示一下它的具體操做：

> names <- c("小明","小紅","小蘭")
> StudentID <- c("2014","2015","2016")
> subjects <- c("英語","英語","英語")
> scores <- c(87,98,93)
> Result <- data.frame(StudentID,names,subjects,scores)
> Result
  StudentID names subjects scores
1      2014  小明     英語     87
2      2015  小紅     英語     98
3      2016  小蘭     英語     93

由上可見，當沒有給數據框指定行名的時候，系統會默認從1開始給每行一個行號，這跟Excel表格有點相似。 仍是同往常同樣，咱們先學習dataframe數據類型的基本操做

數據框元素的訪問：既然矩陣是特殊的數據框，那麼矩陣元素的訪問方式應該也一樣適用於dataframe嗎？不是這樣，咱們知道，數據框是以行或者列爲單位（行列能夠轉置），所以訪問元素時只能整行或者整列訪問。即dataframe[1,](訪問第一行)，dataframe[,1](訪問第一列)採用這種方式訪問列時，返回值是按行排列的形式。訪問列一樣也能夠直接使用dataframe(1)訪問第一列，或者dataframe(列名)來訪問指定的列。也能夠連續訪問若干列，詳見代碼：

> Result[1,] #訪問第一行
  StudentID names subjects scores
1      2014  小明     英語     87
> Result[,1] #訪問第一列 
[1] 2014 2015 2016
Levels: 2014 2015 2016
> Result[1] #訪問第一列
  StudentID
1      2014
2      2015
3      2016
> Result["names"] #訪問指定標號的列
  names
1  小明
2  小紅
3  小蘭

> Result[1:3,]　　#訪問1-3行  StudentID names subjects scores 1 2014 小明 英語 87 2 2015 小紅 英語 98 3 2016 小蘭 英語 93 > Result[1:3]　　#訪問1-3列  StudentID names subjects 1 2014 小明 英語 2 2015 小紅 英語 3 2016 小蘭 英語 > Result[c(1,3),]　　#只訪問1,3行，注意寫法 c( )  StudentID names subjects scores 1 2014 小明 英語 87 3 2016 小蘭 英語 93 > Result[c(1,4)]　　#只訪問1,4列，注意寫法 c( )  StudentID scores 1 2014 87 2 2015 98 3 2016 93 > Result[c("names","scores")]　　#只訪問names和scores列，注意寫法 c( )  names scores 1 小明 87 2 小紅 98 3 小蘭 93

 由上可得：對數據框操做，必須以向量爲單位，使用c( ) or list( ),經過上述瞭解，咱們發現，普通的訪問必須帶着行名和列名，這有的時候給咱們帶來沒必要要的麻煩，好比我要計算成績平均值，帶上列名Score會給咱們帶來一些困惑，因而有哪些方法能夠在訪問數據庫元素時不帶着行名或者列名呢？

方法一：用attach和detach函數，好比要打印全部names，那麼能夠寫成：

> attach(Result)
The following objects are masked _by_ .GlobalEnv:
    names, scores, StudentID, subjects
The following objects are masked from Result (pos = 3):
    names, scores, StudentID, subjects
> name <- names
> score <-scores
> detach(Result)
> name
[1] "小明" "小紅" "小蘭"
> score
[1] 87 98 93
> mean(score)
[1] 92.66667

 方法二：用with函數

> with(Result,{score <- scores})
> score
[1] 87 98 93

 上面談到了dataframe的建立和讀取，若是我須要添加或者刪除某一列該怎麼辦呢？

> Result$age<-c(12,14,13)　　#添加age列
> Result
  StudentID names subjects scores age
1      2014  小明     英語     87  12
2      2015  小紅     英語     98  14
3      2016  小蘭     英語     93  13

> Result2 <- Result[-2]　　#刪除name列 > Result2  StudentID subjects scores age 1 2014 英語 87 12 2 2015 英語 98 14 3 2016 英語 93 13

 若是我須要查詢成績等於98的學生的信息該怎麼辦呢？

> Result[which(Result$scores==98),]
  StudentID names subjects scores age
2      2015  小紅     英語     98  14

 上面說過了，矩陣和數據框也是兩種不一樣的數據類型，咱們知道數據類型之間能夠互相轉換，用is.***( )能夠判斷某個變量是否爲***類型，用as.***( )則將某個變量轉換爲***類型。那麼相應的，矩陣轉換爲數據框類型則應爲：

> myarray
   C1 C2 C3 C4 C5
R1  1  5  9 13 17
R2  2  6 10 14 18
R3  3  7 11 15 19
R4  4  8 12 16 20
> myarrayframe <- as.data.frame(myarray)
> myarrayframe
   C1 C2 C3 C4 C5
R1  1  5  9 13 17
R2  2  6 10 14 18
R3  3  7 11 15 19
R4  4  8 12 16 20
> is.data.frame(myarray)
[1] FALSE
> is.data.frame(myarrayframe)
[1] TRUE

 跟矩陣matrix操做同樣，數據框也有rbind和cbind函數，用法大體相同，有興趣的朋友能夠簡單聯繫一下，這裏再也不贅述。

 最後，咱們來談一下數據框數據處理操做：

上面咱們講到，利用dataframe[ 列號 ]或者dataframe[ 列值 ]能夠讀取數據框的某一列，返回值仍爲數據框類型，可是這部分數據不方便直接利用咱們以前講過的求和，求平均值等方法進行計算分析，由於讀取的數據帶有「行名/列名」，這個爲字符型變量。有的人會問，我在建立數據框的時候，不加行名和列名不就好了？第一，在建立數據框的時候，會默認給你分配行名或者列名，第二，就算不分配行名或者列名，那數據框建立起來還有什麼意義？

> mydataframe
   C1 C2 C3 C4 C5
R1  1  5  9 13 17
R2  2  6 10 14 18
R3  3  7 11 15 19
R4  4  8 12 16 20
> mydataframe["C4"]
   C4
R1 13
R2 14
R3 15
R4 16
> mean(mydataframe["C4"])
[1] NA
Warning message:
In mean.default(mydataframe["C4"]) : 參數不是數值也不是邏輯值：回覆NA
> is.data.frame(mydataframe["C4"])
[1] TRUE

方法一：將數據框格式從新轉化爲矩陣格式，而後按照矩陣索引的方式來找尋要處理的數據組，利用矩陣或者向量中相關函數來進行必定的數據處理。

> myarray2 <- as.matrix(mydataframe)
> is.matrix(myarray2)
[1] TRUE
> myarray2
   C1 C2 C3 C4 C5
R1  1  5  9 13 17
R2  2  6 10 14 18
R3  3  7 11 15 19
R4  4  8 12 16 20
> x <- myarray[,3] #讀取第3列的值
> x
R1 R2 R3 R4 
 9 10 11 12 
> is.vector(x) #查看x是否爲向量類型
[1] TRUE
> mean(x)
[1] 10.5
> sum(x)
[1] 42

 方法二：在讀取數據框列的時候換用另一種方法，dataframe$(行名或者列名)，返回值是vector類型

> c <- mydataframe$C3
> c
[1]  9 10 11 12
> is.vector(c)
[1] TRUE
> mean(c)
[1] 10.5
> sum(c)
[1] 42

 同時，也能夠利用dataframe$(新的列名) <- 新的向量，來給dataframe添加新的列，具體操做以下：

> mydataframe$sum <- mydataframe$C1 +mydataframe$C4
> mydataframe$mean <- (mydataframe$C1+mydataframe$C4)/2
> mydataframe
   C1 C2 C3 C4 C5 sum mean
R1  1  5  9 13 17  14    7
R2  2  6 10 14 18  16    8
R3  3  7 11 15 19  18    9
R4  4  8 12 16 20  20   10

 最推崇的是下一種方法，直接利用transform函數組建新的數據框，具體用法以下：

> x1 <- mydataframe$C1
> x2 <- mydataframe$C3
> mydataframe2 <- transform(mydataframe,sum2=x1+x2,mean2=(x1+x2)/2)
> mydataframe2
   C1 C2 C3 C4 C5 sum mean sum2 mean2
R1  1  5  9 13 17  14    7   10     5
R2  2  6 10 14 18  16    8   12     6
R3  3  7 11 15 19  18    9   14     7
R4  4  8 12 16 20  20   10   16     8