R語言中常用的Data Frame資料框操作！_資料採礦

我們做資料分析、資料採礦常用到R語言來處理，而運用得好壞常常關係到函數的熟練程度，下面我們大聖眾包小編就為大家總結下R語言當中常用的Data Frame資料框基本操作。

    Data Frame的概念

　　Data Frame一般被翻譯為資料框，感覺就像是R中的表，由行和列組成，與Matrix不同的是，每個列可以是不同的資料類型，而Matrix是必須相同的。

　　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，那麼就是從1開始自增的Sequence來標識每一行。

　　初始化

　　使用data.frame函數就可以初始化一個Data Frame。比如我們要初始化一個student的Data Frame其中包含ID和Name還有Gender以及Birthdate，那麼代碼為：

　　student<-data.frame(ID=c(11,12,13),Name=c(“Devin”,”Edward”,”Wenli”),Gender=c(“M”,”M”,”F”),Birthdate=c(“1984-12-29″,”1983-5-6”,”1986-8-8”))

　　另外也可以使用read.table() read.csv()讀取一個文字檔，返回的也是一個Data Frame對象。讀取資料庫也是返回Data Frame對象。

　　查看student的內容為：

　　ID   Name Gender  Birthdate

　　1  11  Devin      M 1984-12-29

　　2  12 Edward      M   1983-5-6

　　3  13  Wenli      F   1986-8-8

　　這裡只指定了列名為ID，Name，Gender和Birthdate，使用names函數可以查看列名，如果要查看行名，需要用到row.names函數。這裡我們希望將ID作為行名，那麼可以這樣寫：

　　row.names(student)<-student$ID

　　更簡單的辦法是在初始化date.frame的時候，有參數row.names可以設定行名的向量。

　　訪問元素

　　與Matrix一樣，使用[行Index,列Index]的格式可以訪問具體的元素。

　　比如訪問第一行:

　　student[1,]

　　訪問第二列：

　　student[,2]

　　使用列的Index或者列名可以選取要訪問的哪些列。比如要ID和Name，那麼代碼為：

　　idname<-student[1:2]

　　或者是

　　idname<-student[c(“ID”,”Name”)]

　　如果是只訪問某一列，返回的是Vector類型的，那麼可以使用[[或者$來訪問。比如我們要所有student的Name，代碼為：

　　name<-student[[2]] 或者name<-student[[“Name”]] 或者name<-student$Name

　　使用attach和detach函數可以使得訪問列時不需要總是跟著變數名在前面。

　　比如要列印所有Name，那麼可以寫成：

　　attach(student)

　　print(Name)

　　detach(student)

　　還可以換一種簡潔一點的寫法就是用with函數：

　　with(student,{

　　n<-Name

　　print(n)

　　})

　　這裡的n範圍只在大括弧內，如果想在with函數中對全域的變數進行賦值，那麼需要使用<<-這樣一個運算子。

　　修改列資料類型

　　接下來我們查看該對象每列的類型，使用str(student)可以得到如下結果：

　　‘data.frame’:3 obs. of  4 variables:

　　$ ID       : num  1 2 3

　　$ Name     : Factor w/ 3 levels “Devin”,”Edward”,..: 1 2 3

　　$ Gender   : Factor w/ 2 levels “F”,”M”: 2 2 1

　　$ Birthdate: Factor w/ 3 levels “1983-5-6″,”1984-12-29”,..: 2 1 3

　　預設情況下，字串向量都會被自動識別成Factor，也就是說，ID是數字類型，其他的3個列都被定義為Factor類型了。顯然這裡Name應該是字串類型，Birthdate應該是Date類型，我們需要對列的資料類型變更：

　　student$Name<-as.character(student$Name)

　　student$Birthdate<-as.Date(student$Birthdate)

　　下面我們再運行str(student)看看修改後的結果：

　　‘data.frame’:3 obs. of  4 variables:

　　$ ID       : num  11 12 13

　　$ Name     : chr  “Devin” “Edward” “Wenli”

　　$ Gender   : Factor w/ 2 levels “F”,”M”: 2 2 1

　　$ Birthdate: Date, format: “1984-12-29” “1983-05-06” “1986-08-08”

　　添加新列

　　對於以及存在的student對象，我們希望增加Age列，該列是根據Birthdate算出來的。首先需要知道怎麼算年齡。我們可以使用日期函數Sys.Date()獲得當前的日期，然後使用format函數獲得年份，然後用兩個年份相減就是年齡。好像R並沒有提供幾個能用的日期函數，我們只能使用format函數取出年份部分，然後轉換為int類型相減。

　　student$Age<-as.integer(format(Sys.Date(),”%Y”))-as.integer(format(student$Birthdate,”%Y”))

　　這樣寫似乎太長了，我們可以用within函數，這個函數和之前提到過的with函數類似，可以省略變數名，不同的地方是within函數可以在其中修改變數，也就是我們這裡增加Age列：

　　student<-within(student,{

　　Age<-as.integer(format(Sys.Date(),”%Y”))-as.integer(format(Birthdate,”%Y”))

　　})

　　查詢/子集

　　查詢一個Date Frame，返回一個滿足條件的子集，這相當於資料庫中的表查詢，是非常常見的操作。使用行和列的Index來擷取子集是最簡單的方法，前面已經提到過。如果我們使用布爾向量，配合which函數，可以實現對行的過濾。比如我們要查詢所有Gender為F的資料，那麼我們首先對student$Gender==“F”，得到一個布爾向量:FALSE FALSE  TRUE,然後使用which函數可以將布爾向量中TRUE的Index返回，所以我們的完整查詢語句就是：

　　student[which(student$Gender==”F”),]

　　注意這裡列Index並沒有輸入，如果我們只想知道所有女生的年齡，那麼可以改為：

　　student[which(student$Gender==”F”),”Age”]

　　這樣的查詢寫法還是複雜了點，可以直接使用subset函數，那麼查詢會簡單些，比如我們把查詢條件改為年齡<30的女性，查姓名和年齡，那麼查詢語句為：

　　subset(student,Gender==”F” & Age<30 ,select=c(“Name”,”Age”))

　　使用SQL查詢Data Frame

　　對於我這種使用了多年SQL的人來說，如果能夠直接寫SQL語句對Data Frame進行查詢操作，那是多麼方便美妙的啊，結果還真有這麼一個包：sqldf。

　　同樣是前面的需求，對應的語句就是：

　　library(sqldf)

　　result<-sqldf(“select Name,Age from student where Gender=’F’ and Age<30”)

　　串連/合并

　　對於資料庫來說，對多表進行join查詢是一個很正常的事情，那麼在R中也可以對多個Data Frame進行串連，這就需要使用merge函數。

　　比如除了前面申明的student對象外，我們再申明一個score變數，記錄了每個學生的科目和成績：

　　score<-data.frame(SID=c(11,11,12,12,13),Course=c(“Math”,”English”,”Math”,”Chinese”,”Math”),Score=c(90,80,80,95,96))

　　我們看看該表的內容：

　　SID  Course Score

　　1  11    Math    90

　　2  11 English    80

　　3  12    Math    80

　　4  12 Chinese    95

　　5  13    Math    96

　　這裡的SID就是Student裡面的ID，相當於一個外鍵，現在要用這個ID進行inner join操作，那麼對應的R語句就是：

　　result<-merge(student,score,by.x=”ID”,by.y=”SID”)

　　我們看看merge以後的結果：

　　ID   Name Gender  Birthdate Age  Course Score

　　1 11  Devin      M 1984-12-29  31    Math    90

　　2 11  Devin      M 1984-12-29  31 English    80

　　3 12 Edward      M 1983-05-06  32    Math    80

　　4 12 Edward      M 1983-05-06  32 Chinese    95

　　5 13  Wenli      F 1986-08-08  29    Math    96

　　正如我們期望的一樣join在了一起。

　　除了join，另外一個操作就是union，這也是資料庫常用操作，那麼在R中如何將兩個列一樣的Data Frame Union聯結在一起呢。雖然R語言中有union函數，但是不是SQL的Union的意思，我們要實現Union功能，需要用到rbind函數。

　　rbind的兩個Data Frame必須有相同的列，比如我們再申明一個student2，將兩個變數rbind起來：

　　student2<-data.frame(ID=c(21,22),Name=c(“Yan”,”Peng”),Gender=c(“F”,”M”),Birthdate=c(“1982-2-9″,”1983-1-16”),Age=c(32,31))

　　rbind(student,student2)