R语言 数据框架操作

数据框架 是R的通用数据对象，用于存储表格数据。数据框架被认为是R编程中最流行的数据对象，因为以表格的形式分析数据会更舒服。数据框架也可以被教导为床垫，矩阵的每一列都可以是不同的数据类型。数据框架是由三个主要部分组成的，即数据、行和列。

可以对数据框架进行的操作有：

• 创建一个数据框架
• 访问行和列
• 选择数据框的子集
• 编辑数据框架
• 向数据框添加额外的行和列
• 在现有变量的基础上为数据框架添加新的变量
• 删除数据框中的行和列

创建一个数据框架

在现实世界中，一个DataFrame将通过从现有的存储中加载数据集来创建，存储可以是SQL数据库，CSV文件，以及Excel文件。数据框架也可以从R中的向量中创建。以下是一些可以用来创建数据框架的不同方法。

使用向量创建数据框： 为了创建一个数据框，我们使用R语言中的 data.frame() 函数。要创建一个数据框，请使用 data.frame() 命令，然后将你创建的每个向量作为参数传递给函数。

例子

# R program to illustrate dataframe
 
# A vector which is a character vector
Name = c("Amiya", "Raj", "Asish")
 
# A vector which is a character vector
Language = c("R", "Python", "Java")
 
# A vector which is a numeric vector
Age = c(22, 25, 45)
 
# To create dataframe use data.frame command and
# then pass each of the vectors
# we have created as arguments
# to the function data.frame()
df = data.frame(Name, Language, Age)
 
print(df)

输出

  Name  Language  Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  45

使用文件中的数据创建数据框： 数据框也可以通过导入文件中的数据来创建。为此，你必须使用名为 “read.table() “的函数。

语法

newDF = read.table(path="Path of the file")

要在R中从CSV文件中创建一个数据框架。

语法

newDF = read.csv("FileName.csv")

访问行和列

访问行和列的语法在下面给出。

df[val1, val2]

df = dataframe object
val1 = rows of a data frame
val2 = columns of a data frame

所以，这个 ‘val1 ‘和 ‘val2 ‘可以是一个数组的值，比如 “1:2 “或 “2:3 “等等。如果你只指定 df[val2] ，这只是指你需要从数据框中访问的那一组列。

例子。行选择

# R program to illustrate operations
# on a data frame
 
# Creating a dataframe
df = data.frame(
  "Name" = c("Amiya", "Raj", "Asish"),
  "Language" = c("R", "Python", "Java"),
  "Age" = c(22, 25, 45)
)
print(df)
 
# Accessing first and second row
cat("Accessing first and second row\n")
print(df[1:2, ])

输出

   Name Language Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  45

Accessing first and second row
   Name Language Age
1 Amiya        R  22
2   Raj   Python  25

例子。列的选择

# R program to illustrate operations
# on a data frame
 
# Creating a dataframe
df = data.frame(
  "Name" = c("Amiya", "Raj", "Asish"),
  "Language" = c("R", "Python", "Java"),
  "Age" = c(22, 25, 45)
)
print(df)
 
# Accessing first and second column
cat("Accessing first and second column\n")
print(df[, 1:2])

输出

   Name Language Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  45

Accessing first and second column
   Name Language
1 Amiya        R
2   Raj   Python
3 Asish     Java

选择DataFrame的子集

在以下语法的帮助下，也可以根据某些条件创建一个数据框架的子集。

newDF = subset(df, conditions)
df = 原始数据框架
conditions = 某些条件

例子

# R program to illustrate operations
# on a data frame
 
# Creating a dataframe
df = data.frame(
  "Name" = c("Amiya", "Raj", "Asish"),
  "Language" = c("R", "Python", "Java"),
  "Age" = c(22, 25, 45)
)
print(df)
 
# Selecting the subset of the data frame
# where Name is equal to Amiya
# OR age is greater than 30
newDf = subset(df, Name =="Amiya"|Age>30)
 
cat("After Selecting the subset of the data frame\n")
print(newDf)

输出

Name Language Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  45

After Selecting the subset of the data frame
   Name Language Age
1 Amiya        R  22
3 Asish     Java  45

编辑DataFrames

在R中，DataFrames可以通过两种方式进行编辑：
通过直接赋值编辑数据帧： 与R中的列表一样，你可以通过直接赋值来编辑数据帧。

例子

# R program to illustrate operation on a data frame
 
# Creating a dataframe
df = data.frame(
  "Name" = c("Amiya", "Raj", "Asish"),
  "Language" = c("R", "Python", "Java"),
  "Age" = c(22, 25, 45)
)
cat("Before editing the dataframe\n")
print(df)
 
# Editing dataframes by direct assignments
# [[3]] accessing the top level components
# Here Age in this case
# [[3]][3] accessing inner level components
# Here Age of Asish in this case
df[[3]][3] = 30
 
cat("After edited the dataframe\n")
print(df)

输出

Before editing the data frame
   Name Language Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  45

After edited the data frame
   Name Language Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  30

使用edit()命令编辑数据帧:
按照给定的步骤来编辑数据帧。

第1步 ：因此，你需要做的是创建一个数据框架的实例，例如，你可以看到这里创建了一个数据框架的实例，并通过使用命令 data.frame() 命名为 “myTable”，这样就创建了一个空数据框架。

myTable = data.frame()

第2步 ：接下来我们将使用编辑函数来启动查看器。请注意，”myTable “数据框架被传回 “myTable “对象，这样，我们对这个模块所做的修改将被保存到原始对象中。

myTable = edit(myTable)

因此，当上述命令被执行时，它将弹出一个这样的窗口。

第3步 : 现在，这个小名册的表格已经完成了。

注意，通过点击它们的标签并输入你的改动来改变变量名称。变量也可以被设置为数字或字符。一旦DataFrame中的数据看起来像上面那样，关闭该表。更改会自动保存。

第4步： 通过打印来检查产生的数据框。

myTable

   Name Language Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  45 

向数据框添加行和列

添加额外的行： 我们可以使用命令 rbind() 添加额外的行 。 其语法如下。

newDF = rbind(df, 你要添加的新行的条目 )
df = 原始数据框

请注意，在使用 rbind() 命令时，你必须注意你要添加的新行的条目，因为每一列条目中的数据类型应该与已经存在的行的数据类型相等。

例子

# R program to illustrate operation on a data frame
 
# Creating a dataframe
df = data.frame(
  "Name" = c("Amiya", "Raj", "Asish"),
  "Language" = c("R", "Python", "Java"),
  "Age" = c(22, 25, 45)
)
cat("Before adding row\n")
print(df)
 
# Add a new row using rbind()
newDf = rbind(df, data.frame(Name = "Sandeep",
                            Language = "C",
                            Age = 23
                           ))
cat("After Added a row\n")
print(newDf)

输出

Before adding row
   Name Language Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  45

After Added a row
     Name Language Age
1   Amiya        R  22
2     Raj   Python  25
3   Asish     Java  45
4 Sandeep        C  23

添加额外的列： 我们可以使用 cbind() 命令添加额外的列 。 它的语法如下。

newDF = cbind(df, 你要添加的新列的条目 )
df = 原始数据框

例子

# R program to illustrate operation on a data frame
 
# Creating a dataframe
df = data.frame(
  "Name" = c("Amiya", "Raj", "Asish"),
  "Language" = c("R", "Python", "Java"),
  "Age" = c(22, 25, 45)
)
cat("Before adding column\n")
print(df)
 
# Add a new column using cbind()
newDf = cbind(df, Rank=c(3, 5, 1))
 
cat("After Added a column\n")
print(newDf)

输出

Before adding column
   Name Language Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  45

After Added a column
   Name Language Age Rank
1 Amiya        R  22    3
2   Raj   Python  25    5
3 Asish     Java  45    1

向DataFrame添加新的变量

在R语言中，我们可以在现有变量的基础上向数据框添加新的变量。要做到这一点，我们必须首先使用 library() 命令调用 dplyr 库 。 然后调用 mutate() 函数将在现有变量的基础上增加额外的变量列。

语法

library(dplyr)
newDF = mutate(df, new_var=[existing_var])
df = 原始数据框
new_var = 新变量的名称
existing_var = 你要进行的修改操作（例如对数值，乘以10）

例子

# R program to illustrate operation on a data frame
 
# Importing the dplyr library
library(dplyr)
 
# Creating a dataframe
df = data.frame(
  "Name" = c("Amiya", "Raj", "Asish"),
  "Language" = c("R", "Python", "Java"),
  "Age" = c(22, 25, 45)
)
cat("Original Dataframe\n")
print(df)
 
# Creating an extra variable column
# "log_Age" which is log of variable column "Age"
# Using mutate() command
newDf = mutate(df, log_Age = log(Age))
 
cat("After creating extra variable column\n")
print(newDf)

输出

Original Dataframe
   Name Language Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  45

After creating extra variable column
   Name Language Age  log_Age
1 Amiya        R  22 3.091042
2   Raj   Python  25 3.218876
3 Asish     Java  45 3.806662

从数据框架中删除行和列

要删除一行或一列，首先需要访问该行或列，然后在该行或列前插入一个负号。它表示你必须删除该行或列。

语法

newDF = df[-rowNo, -colNo]
df = 原始数据框

例子

# R program to illustrate operation on a data frame
 
# Creating a dataframe
df = data.frame(
  "Name" = c("Amiya", "Raj", "Asish"),
  "Language" = c("R", "Python", "Java"),
  "Age" = c(22, 25, 45)
)
cat("Before deleting the 3rd row and 2nd column\n")
print(df)
 
# delete the third row and the second column
newDF = df[-3, -2]
 
cat("After Deleted the 3rd row and 2nd column\n")
print(newDF)

输出

Before deleting the 3rd row and 2nd column
   Name Language Age
1 Amiya        R  22
2   Raj   Python  25
3 Asish     Java  45
After Deleted the 3rd row and 2nd column
   Name Age
1 Amiya  22
2   Raj  25