R语言—数据框

数据框（Dataframe）

数据框：

   Name Age Sex Height
1 Linda  20   F    160
2  John  21   M    165
3 Emily  22   F    159

1
2
3
4
5

• 数据框类似矩阵，有行和列两个维度。
• 数据框不同于矩阵，数据框的每一列可以是不同的模式（mode）。
• 数据框每一列都有一个唯一的列名，每一列的长度均相同。

数据框就是数据库中的数据表，每一行称为一条记录，每一列称为一个属性。数据框类似于C语言中的结构体，用C语言存储上述内容，使用结构体数组

创建数据框

语法格式：

mydata<-data.frame(col1,col2,col3,…)#其中：col1,col2,col3可以为字符型、数值型或者逻辑型数据
1

实例如下：

> Name<-c("Linda","John","Emily")
> Age<-c(20,21,22)
> Sex<-c("F","M","F")
> Height<-c(160,165,159)
> df<-data.frame(Name,Age,Sex,Height)
> df
Name Age Sex Height
1 Linda  20   F    160
2  John  21   M    165
3 Emily  22   F    159

1
2
3
4
5
6
7
8
9
10
11

注意事项：

• 数据框是R语言的一种数据结构，通常以矩阵形式存放的数据，矩阵的每一列可以是不同类型的数据。
• 数据框每列为一个变量，每行为一个观测样本。
• 数据框的列必须命名

也可以使用下面这种方式进行创建

df<-data.frame(Name=c("Linda","John","Emily"), Age=c(20,21,22),Sex=c("F","M","F"), Height=c(160,165,159))
1

数据框的成分由各个变量组成，每个变量可以自行命名

数据框的访问

给定数据框

> df<-data.frame(Name=c("Linda","John","Emily"), Age=c(20,21,22),Sex=c("F","M","F"), Height=c(160,165,159))
> df
   Name Age Sex Height
1 Linda  20   F    160
2  John  21   M    165
3 Emily  22   F    159
1
2
3
4
5
6

> str(df)
'data.frame':	3 obs. of  4 variables:
 $ Name  : chr  "Linda" "John" "Emily"
 $ Age   : num  20 21 22
 $ Sex   : chr  "F" "M" "F"
 $ Height: num  160 165 159
1
2
3
4
5
6

说明：df有3个观测（3行），4个变量（4列）

通过组件的索引值来访问组件

> x<-df[[1]]
> x
[1] "Linda" "John"  "Emily"
> is.vector(x)
[1] TRUE

1
2
3
4
5
6

返回的结果是向量

> x=df[1]
> x
   Name
1 Linda
2  John
3 Emily
> is.vector(x)
[1] FALSE
> is.data.frame(x)
[1] TRUE

1
2
3
4
5
6
7
8
9
10
11

返回的结果为数据框

注意：

第一个访问使用的是两个中括号，第二次访问使用的是一个中括号

如果分量有名字，可以按照名字进行引用

> df[["Name"]]
[1] "Linda" "John"  "Emily"
1
2

通过组件的组件名来访问组件

这里我们用到“$”符号，“$”提取数据框中某个变量的元素

> df$Name
[1] "Linda" "John"  "Emily"
1
2

通过访问矩阵的方式来访问组件

访问第1列

> x<-df[,1]
> x
[1] "Linda" "John"  "Emily“

1
2
3
4

先提取前两行，然后提取第1列和第3列通过组件的索引值来访问组件。

> df[1:2,c(1,3)]
   Name Sex
1 Linda   F
2  John   M
1
2
3
4

数据筛选

生成数据框，三门课程的成绩为区间0-5之间服从均匀分布的随机数，保留1位小数。（runif()，round()）

> Exam1<-round(runif(10,0,5),1)
> Exam2<-round(runif(10,0,5),1)
> Exam3<-round(runif(10,0,5),1)
> Quiz<-data.frame(Exam1,Exam2,Exam3)
> Quiz
   Exam1 Exam2 Exam3
1    2.5   3.0   1.9
2    1.9   2.6   4.8
3    0.4   2.2   3.9
4    2.2   1.6   0.0
5    3.6   1.0   2.5
6    2.4   0.3   2.1
7    3.1   3.2   5.0
8    1.2   4.0   1.5
9    0.5   1.0   2.0
10   1.7   4.6   0.9
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

提取出Exam3成绩>=3.5的学生信息（观测）(subset)

#方法一
> Quiz[Quiz$Exam3>=3.5,]
  Exam1 Exam2 Exam3
2   1.9   2.6   4.8
3   0.4   2.2   3.9
7   3.1   3.2   5.0
#方法二
> subset(Quiz,Exam3>=3.5)
  Exam1 Exam2 Exam3
2   1.9   2.6   4.8
3   0.4   2.2   3.9
7   3.1   3.2   5.0

1
2
3
4
5
6
7
8
9
10
11
12
13

扩展数据框

可以通过添加列和行来扩展数据框

添加列

只需使用新的列名称添加列向量。

#创建数据框
> df<-data.frame(Name=c("Linda","John","Emily"), Age=c(20,21,22),Sex=c("F","M","F"), Height=c(160,165,159))
> df
   Name Age Sex Height
1 Linda  20   F    160
2  John  21   M    165
3 Emily  22   F    159
#创建新向量
> birth<-as.Date(c("2000-10-10","2001-09-08","2000-01-01"))
> birth
[1] "2000-10-10" "2001-09-08" "2000-01-01"
#为数据框添加列向量
> df$birth<-birth
> df
   Name Age Sex Height      birth
1 Linda  20   F    160 2000-10-10
2  John  21   M    165 2001-09-08
3 Emily  22   F    159 2000-01-01
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

📙补充说明

as.Date()用于在字符表示和表示日历日期的"Date"类对象之间进行转换的函数。

> class(birth)
[1] "Date"
1
2

也可以使用cbind函数在原有列的基础上创建新列

> new.Quiz<-cbind(Quiz,Exam1-Exam2)
> new.Quiz
   Exam1 Exam2 Exam3 Exam1 - Exam2
1    2.5   3.0   1.9          -0.5
2    1.9   2.6   4.8          -0.7
3    0.4   2.2   3.9          -1.8
4    2.2   1.6   0.0           0.6
5    3.6   1.0   2.5           2.6
6    2.4   0.3   2.1           2.1
7    3.1   3.2   5.0          -0.1
8    1.2   4.0   1.5          -2.8
9    0.5   1.0   2.0          -0.5
10   1.7   4.6   0.9          -2.9

1
2
3
4
5
6
7
8
9
10
11
12
13
14

可以给新创建的列命名，这样会更清晰一些

> new.Quiz<-cbind(Quiz,Diff=Exam1-Exam2)
> new.Quiz
   Exam1 Exam2 Exam3 Diff
1    2.5   3.0   1.9 -0.5
2    1.9   2.6   4.8 -0.7
3    0.4   2.2   3.9 -1.8
4    2.2   1.6   0.0  0.6
5    3.6   1.0   2.5  2.6
6    2.4   0.3   2.1  2.1
7    3.1   3.2   5.0 -0.1
8    1.2   4.0   1.5 -2.8
9    0.5   1.0   2.0 -0.5
10   1.7   4.6   0.9 -2.9
1
2
3
4
5
6
7
8
9
10
11
12
13

添加行

要将更多行永久添加到现有数据框，我们需要引入与现有数据框相同结构的新行，并使用rbind()函数，其实也就是对两个相同结构的数据框进行垂直合并

#原数据框
> df
   Name Age Sex Height      birth
1 Linda  20   F    160 2000-10-10
2  John  21   M    165 2001-09-08
3 Emily  22   F    159 2000-01-01
#创建新数据框
> new.df<-data.frame(Name="David",Age=20,Sex="M",Height=167,birth=as.Date("2000-08-08"))
> new.df
   Name Age Sex Height      birth
1 David  20   M    167 2000-08-08
#将两个数据框进行垂直合并
> combine.df<-rbind(df,new.df)
> combine.df
   Name Age Sex Height      birth
1 Linda  20   F    160 2000-10-10
2  John  21   M    165 2001-09-08
3 Emily  22   F    159 2000-01-01
4 David  20   M    167 2000-08-08

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

使用apply()函数

如果数据框的每一列的数据类型相同，则可以对数据框应用apply函数，示例如下：

> Quiz
   Exam1 Exam2 Exam3
1    2.5   3.0   1.9
2    1.9   2.6   4.8
3    0.4   2.2   3.9
4    2.2   1.6   0.0
5    3.6   1.0   2.5
6    2.4   0.3   2.1
7    3.1   3.2   5.0
8    1.2   4.0   1.5
9    0.5   1.0   2.0
10   1.7   4.6   0.9
#计算每一位同学三次测试的最高成绩
> apply(Quiz,1,max)
 [1] 3.0 4.8 3.9 2.2 3.6 2.4 5.0 4.0 2.0 4.6
#计算每一次测试的最高成绩
> apply(Quiz,2,max)
Exam1 Exam2 Exam3 
  3.6   4.6   5.0 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19