[27] 《R数据科学》使用tibble实现简单数据框

tibble是一种简单数据框,它对传统数据框的功能进行了一些修改,以便更易于使用。多数情况下,我们会交替使用tibble和数据框这两个术语;如果想要特别强调R内置的传统数据框,我们会使用data.frame来表示。

加载tibble包

tibble包是tidyverse的核心R包之一,只需要加载tidyverse即可

library(tidyverse)

创建tibble

由于多数其他R包使用的是标准数据框,因此你可能想要将数据框转换为tibble。可以使用as_tibble()函数来完成转换:

as_tibble(iris)
# A tibble: 150 x 5
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
                                   
 1          5.1         3.5          1.4         0.2 setosa 
 2          4.9         3            1.4         0.2 setosa 
 3          4.7         3.2          1.3         0.2 setosa 
 4          4.6         3.1          1.5         0.2 setosa 
 5          5           3.6          1.4         0.2 setosa 
 6          5.4         3.9          1.7         0.4 setosa 
 7          4.6         3.4          1.4         0.3 setosa 
 8          5           3.4          1.5         0.2 setosa 
 9          4.4         2.9          1.4         0.2 setosa 
10          4.9         3.1          1.5         0.1 setosa 
# ... with 140 more rows

可以通过tibble()函数使用一个向量来创建新tibble。tibble()会自动重复长度为1的输入,并可以使用刚刚创建的新变量,如下所示:

tibble(x=1:5,y=1,z=x^2+y)
# A tibble: 5 x 3
      x     y     z
    
1     1     1     2
2     2     1     5
3     3     1    10
4     4     1    17
5     5     1    26

可以在tibble中使用在R中无效的变量名称(不符合语法的名称)作为列名称,但需要用反引号`将他们括起来:

tb <- tibble(`:)`='smile',` `='space',`2000`='number')
tb
# A tibble: 1 x 3
  `:)`  ` `   `2000`
     
1 smile space number

创建tibble的另一种方法是使用tribble()函数,tribble是transposed tibble(转置tibble)的缩写。可以对数据按行进行编码:列标题由公式(以~开头)定义,数据条目以逗号分隔,这样就可以用易读的方式对少量数据进行布局:

tribble(
~x, ~y, ~z,
"a", 2, 3.6,
"b", 1, 8.5
)
# A tibble: 2 x 3
  x         y     z
    
1 a         2   3.6
2 b         1   8.5

对比tibble与data.frame

tibble的打印方法进行了优化,只显示前10行结果,并且列也是适合屏幕的,这种方式非常适合大数据集,除了打印列名,还会打印列的类型,功能借鉴于str()函数。

tibble(
a = lubridate::now() + runif(1e3) * 86400,
b = lubridate::today() + runif(1e3) * 30,
c = 1:1e3,
d = runif(1e3),
e = sample(letters, 1e3, replace = TRUE)
)
# A tibble: 1,000 x 5
   a                   b              c      d e    
                         
 1 2020-11-14 19:33:46 2020-12-11     1 0.301  v    
 2 2020-11-14 11:43:01 2020-12-12     2 0.0419 c    
 3 2020-11-14 04:49:42 2020-11-30     3 0.594  t    
 4 2020-11-14 23:20:19 2020-12-09     4 0.174  x    
 5 2020-11-14 18:12:43 2020-11-14     5 0.878  y    
 6 2020-11-14 19:09:56 2020-11-13     6 0.681  j    
 7 2020-11-14 06:19:25 2020-11-29     7 0.161  x    
 8 2020-11-14 21:43:11 2020-11-30     8 0.406  x    
 9 2020-11-14 20:40:14 2020-11-27     9 0.899  k    
10 2020-11-14 03:36:05 2020-11-27    10 0.0234 p    
# ... with 990 more rows

使用print()函数打印数据框,可以控制打印的行数(n)和显示的宽度(width)。width=Inf可以显示所有列。

 nycflights13::flights %>% print(n=10,width = Inf)

还可以通过设置以下选项来控制默认打印的方式。
• options(tibble.print_max = n, tibble.print_min = m):
如果多于m行,则只打印出n行。
options(dplyr.print_min = Inf) 表示总是打印所有行。
• Use options(tibble.width = Inf) 表示总是打印所有列,不考虑屏幕宽度。

取子集

$可以按照名称提取变量,[[可以按照名称或位置提取变量。

df <- tibble(x=runif(5),y=rnorm(5))
df$x
df[["x"]]
df[[1]]
#[1] 0.424290345 0.008751645 0.096135591 0.171383952 0.936445458

在管道中提取,需要使用特殊的占位符.

df %>% .$x
 df %>% .[['x']]

与旧代码进行交互

有些旧的函数不支持tibble。如果遇到这种函数,可以使用as.data.frame()函数将tibble转换回data.frame:

class(as.data.frame(tb))
#[1] "data.frame"

你可能感兴趣的:([27] 《R数据科学》使用tibble实现简单数据框)