一、Python

　　資料框就是典型的關係型資料庫的資料儲存形式，每一行是一條記錄，每一列是一個屬性,最終構成表格的形式，這是資料科學家必須熟悉的最典型的資料結構。

1.構建資料框

import pandas as pd

data = {'year':[2010, 2011, 2012, 2010, 2011, 2012, 2010, 2011, 2012],
        'team':['FCBarcelona', 'FCBarcelona', 'FCBarcelona', 'RMadrid', 'RMadrid', 'RMadrid', 'ValenciaCF', 'ValenciaCF', '
 
ValenciaCF'],
        'wins':[30, 28, 32, 29, 32, 26, 21, 17, 19], 
        'draws': [6, 7, 4, 5, 4, 7, 8, 10, 8], 
        'losses': [2, 3, 2, 4, 2, 5, 9, 11, 11] }

# 構建資料框
football = pd.DataFrame(data, columns = ['year','team','wins','draws','losses'])
type(data)
type(football)

2.讀取csv檔案

# 讀取csv檔案
 

edu = pd.read_csv('C:\\Users\\Hider\\Desktop\\educ_figdp_1_Data.csv', na_values=':',usecols=['TIME','GEO','Value'])
# na_values 把“：”符號認為缺失值

3.統計描述

# 前幾行 缺失值取5行
edu.head(10)

# 後幾行 缺失值取5行
edu.tail(10)

# 列名
edu.columns

# 行名
edu.index

# 彙總統計
edu.describe()
# count/mean/std/min/25%/50%/75%/max

二、R語言

　　R語言中自帶data.frame資料框格式，tidyverse包中所使用的tibble型別更是資料框的增強版。

1.構建資料框

install.packages("dplyr")
install.packages("tidyverse")
library(dplyr)
library(tidyverse)

year=c(2010, 2011, 2012, 2010, 2011, 2012, 2010, 2011, 2012) 
team=c('FCBarcelona', 'FCBarcelona', 'FCBarcelona', 'RMadrid', 'RMadrid', 'RMadrid', 'ValenciaCF', 'ValenciaCF', 'ValenciaCF') 
wins=c(30, 28, 32, 29, 32, 26, 21, 17, 19) 
draws=c(6, 7, 4, 5, 4, 7, 8, 10, 8) 
losses=c(2, 3, 2, 4, 2, 5, 9, 11, 11)

football <- tibble(year,team,wins,draws,losses)

2.讀取csv檔案

read.csv('C:\\Users\\Hider\\Desktop\\educ_figdp_1_Data.csv',na=':',) %>% select(TIME,GEO,Value) -> edu

3.統計描述

edu %>% head
edu %>% tail
edu %>% colnames
edu %>% rownames
edu %>% summary

# 在tidyverse生態中的tibble是增強型的data.frame
# 管道操作 %>%

三、對比

1.Python需要呼叫pandas包，R可以不用，但使用tidyverse包中的tibble更強；

2.Python使用字典來構建，R中通過等長向量來合併生成；

3.Python讀取csv時可以選取列，R中是先讀進記憶體再做篩選；

4.Python缺失值為NaN，R中為NA；

5.Python的index由0開始，R由1開始；

6.R可向右賦值，更加靈活，並且單向的管道函式“%>%”能更加自由的揉捏資料。

END 2018-11-01 00:22:43