首页 > 其他分享 >R data.frame 常见操作

R data.frame 常见操作

时间:2023-10-15 10:14:10浏览次数:28  
标签:12 函数 Gender frame 常见 查询 student data Age

# 创建data.frame

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”))

 

# 修改行名称

row.names(student)<-student$ID

 

# 访问元素

 student[3,"ID"]<-34

比如访问第一行:

 

student[1,]

 

访问第二列:

 

student[,2]

 

使用列的Index或者列名可以选取要访问的哪些列。比如要ID和Name,那么代码为:

 

idname<-student[1:2]

 

或者是

 

idname<-student[c("ID","Name”)]

 

如果是只访问某一列,返回的是Vector类型的,那么可以使用[[或者$来访问。比如我们要所有student的Name,代码为:

 

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

 

使用attach和detach函数可以使得访问列时不需要总是跟着变量名在前面。

 

比如要打印所有Name,那么可以写成:

 

attach(student)
print(Name)
detach(student)

 

还可以换一种简洁一点的写法就是用with函数:

 

with(student,{
  n<-Name
  print(n)
})

 

这里的n作用域只在大括号内,如果想在with函数中对全局的变量进行赋值,那么需要使用<<-这样一个运算符。

 

 

#修改列

 

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

 

下面我们再运行str(student)看看修改后的结果:

 

'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

 

对于以及存在的student对象,我们希望增加Age列,该列是根据Birthdate算出来的。首先需要知道怎么算年龄。我们可以使用日期函数Sys.Date()获得当前的日期,然后使用format函数获得年份,然后用两个年份相减就是年龄。好像R并没有提供几个能用的日期函数,我们只能使用format函数取出年份部分,然后转换为int类型相减。

 

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

 

这样写似乎太长了,我们可以用within函数,这个函数和之前提到过的with函数类似,可以省略变量名,不同的地方是within函数可以在其中修改变量,也就是我们这里增加Age列:

 

student<-within(student,{
  Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(Birthdate,"%Y"))
})

 

查询/子集

 

查询一个Date Frame,返回一个满足条件的子集,这相当于数据库中的表查询,是非常常见的操作。使用行和列的Index来获取子集是最简单的方法,前面已经提到过。如果我们使用布尔向量,配合which函数,可以实现对行的过滤。比如我们要查询所有Gender为F的数据,那么我们首先对student$Gender==“F”,得到一个布尔向量:FALSE FALSE  TRUE,然后使用which函数可以将布尔向量中TRUE的Index返回,所以我们的完整查询语句就是:

 

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

 

注意这里列Index并没有输入,如果我们只想知道所有女生的年龄,那么可以改为:

 

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

 

这样的查询写法还是复杂了点,可以直接使用subset函数,那么查询会简单些,比如我们把查询条件改为年龄<30的女性,查姓名和年龄,那么查询语句为:

 

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

 

使用SQL查询Data Frame

 

对于我这种使用了多年SQL的人来说,如果能够直接写SQL语句对Data Frame进行查询操作,那是多么方便美妙的啊,结果还真有这么一个包:sqldf。

 

同样是前面的需求,对应的语句就是:

 

library(sqldf)
result<-sqldf("select Name,Age from student where Gender='F' and Age<30")

 

连接/合并

 

对于数据库来说,对多表进行join查询是一个很正常的事情,那么在R中也可以对多个Data Frame进行连接,这就需要使用merge函数。

 

比如除了前面申明的student对象外,我们再申明一个score变量,记录了每个学生的科目和成绩:

 

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

 

我们看看该表的内容:

 

  SID  Course Score 1  11    Math    90 2  11 English    80 3  12    Math    80 4  12 Chinese    95 5  13    Math    96

 

这里的SID就是Student里面的ID,相当于一个外键,现在要用这个ID进行inner join操作,那么对应的R语句就是:

 

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

 

我们看看merge以后的结果:

 

 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

 

正如我们期望的一样join在了一起。

 

除了join,另外一个操作就是union,这也是数据库常用操作,那么在R中如何将两个列一样的Data Frame Union联接在一起呢?虽然R语言中有union函数,但是不是SQL的Union的意思,我们要实现Union功能,需要用到rbind函数。

 

rbind的两个Data Frame必须有相同的列,比如我们再申明一个student2,将两个变量rbind起来:

 

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)

 

标签:12,函数,Gender,frame,常见,查询,student,data,Age
From: https://www.cnblogs.com/emanlee/p/6932563.html

相关文章

  • r - How do I order by row.names in dataframe R语言 排序
     new_df<-df[order(row.names(df)),]REF:https://stackoverflow.com/questions/20295787/how-can-i-use-the-row-names-attribute-to-order-the-rows-of-my-dataframe-in-rhttps://stackoverflow.com/questions/25194196/how-do-i-order-by-row-names-in-dataframe......
  • 无涯教程-Matplotlib - 3D线框图(Wireframe)
    线框图采用值的网格并将其投影到指定的三维表面上,并使生成的三维形式非常容易可视化。plot_wireframe()函数用于此目的-frommpl_toolkitsimportmplot3dimportnumpyasnpimportmatplotlib.pyplotaspltdeff(x,y):returnnp.sin(np.sqrt(x**2+y**2)) x=......
  • Linux常见配置文件总结
    /etc/passwd:这个文件包含了系统上的用户账户信息,如用户名、用户ID、用户所属组ID、用户主目录等。/etc/shadow:该文件存储了用户账户的密码哈希值和其他安全相关设置,只有root用户及授权用户可以访问。/etc/group:该文件记录了用户组的信息,包括组名、组ID和组成员。/etc/hosts:这个文件......
  • (待完善)Same data type with different length
    首先,问题的前提是:不同数据类型的实际大小是依赖于编译器的具体实现的,那么假设在一个long为8B的平台,使用long作为例如memcpy的参数进行数据移动,并且指定的要移动的字节数超过了4B所能表示的最大值,那么如果将此代码移动到一个long为4B的平台,代码就会出现问题,因为此时的long已无法再......
  • 如何理解关系型数据库的常见设计范式?
    关系型数据库的常见设计范式有第一范式、第二范式和第三范式,分别简称为1NF、2NF和3NF。第一范式(1NF)是指一个关系(表)中的每个属性(列)都是不可分割的原子值。也就是说,如果一个属性可以被分成更小的子属性,那么它就不符合第一范式。例如,一个包含“姓名”和“地址”两个属性的表不符合第一......
  • ArcMap将0作为遥感影像的NoData无效值
      本文介绍在ArcMap软件中,将栅格图层中的0值或其他指定数值作为NoData值的方法。  在处理栅格图像时,有时会发现如下图所示的情况——我们对某一个区域的栅格数据进行分类着色后,其周边区域(即下图中浅蓝色的区域)原本应该不被着色;但由于这一区域的像元数值不是NoData值,而是0值,导......
  • LINUX:sqoop连接:ERROR manager.CatalogQueryManager: Failed to list databases com.my
    可见是连接的jar包出现了错误  通过命令发现我的是5.7版本,将驱动jar包替换为5.几的  之后通过命令成功解决......
  • 基于Win 自带的.NET FrameWork平台,使用文本文件编写C#代码,命令行编译以及引用第三方库
    转载自https://www.infoq.cn/article/2015/12/visual-studio-windows 不用VisualStudio也能开发.NETWindows应用邵思华2015-12-29本文字数:2915字阅读完需:约10分钟对于.NET应用的开发人员而言,以VisualStudio(简称VS)作为首选的开发工具应当是一种最......
  • Linux终端常见命令
    Linux终端常见命令ls查看当前目录cdnoip跳转到noip文件夹g++a.cpp-std=c++14-O2-oa编译a.cpp,生成了一个名为a的文件(生成的文件没有扩展名,O2大写,-o小写)./a运行amorea.out查看a.out(a.in同理)clear清空终端......
  • 华为云常见术语简介
    常见术语             说明VPCvpc(Virtual Private Cloud)是虚拟私有云的简称,它是用户在华为云上申请的隔离的、私密的虚拟网络环境。用户可以自由配置VPC内的IP地址段、子网、安全组等子服务。弹性IP在互联网上用户可以通过弹性IP访问所绑定到的设......