R语言中的数据框

Data Frame一般被译为数据框，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。所以说数据框在R语言中可是个好东西，R中它是用的非常频繁也是非常有用的数据集合。

创建数据集

> a1 <- c(1:3)

> a2 <- c('a','b','v')

> dat <- data.frame(a1,a2)

> dat

 a1 a2

1  1  a

2  2  b

3  3  v

这样就定义了一个以a1、a2为两列的数据框，第一列是数值型，第二列是字符型。

当然了，后面会讲到，读取结构化数据文件的话，比如csv、空格或者逗号分隔的txt文件，我们可以直接用相应的read.csv或者是read.table直接读进来成为数据框。

访问元素

访问第一行：

> dat[1,]

a1 a2

1  1  a

访问第一列

> dat[,1]

[1] 1 2 3

或者是直接引用列名

> dat$a1

[1] 1 2 3

前面讲过，可以直接用attach(dat)绑定dat，就不需要数据名前缀了，这里还是再复习一遍吧！

>attach(dat)

> a1

[1] 1 2 3

使用完后解除绑定，及时释放资源，这时候就不能直接用列名了。

添加新列

比如添加一个名为a3的列

> dat$a3 <- c('f','m','f')

> dat

a1 a2 a3

1  1  a  f

2  2  b  m

3  3  v  f

查询

查询某一个列变量满足某一个条件或者找指定值用的很多，用which()函数。

查询dat中a3列取值为'm'的行，我们可以这样

> dat[which(dat$a3 == 'm'),]

a1 a2 a3

2  2  b  m

前面讲过，dat[2,]表示dat的第二行，这里which(dat$a3 == 'm')表示满足条件的行，可以有多个，再加上','，构成完整的满足dat中a3列取值为'm'的行的查询语句，这个用的很频繁，需要重点掌握。

连接、合并

这是R语言数据分析基本功。我一般在做R语言网络爬虫时需要把每一张网页数据整理成数据框，然后循环拼接、合并，最后保存到本地。一般用merge()函数。

再创建一个数据框dat1

> dat1 <- data.frame(c('q1','q2','q3'),c(1,4,5))

> dat1

c..q1....q2....q3.. c.4.6.

1                  q1      4

2                  q2      5

3                  q3      6

> names(dat1) <- c('a4','a5')

> dat1

a4 a5

1 q1  1

2 q2  4

3 q3  5

找出dat的a1属性值与dat1的a5属性等值的所有行进行按列连接，组成新行。

> dat2 <- merge(dat,dat1,by.x = 'a1',by.y = 'a5')

> dat2

a1 a2 a3 a4

1  1  a  f q1

学过数据库的人知道，这相当于数据框库操作的迪卡儿等值连接。

微信扫码关注