R語言--資料框
阿新 • • 發佈：2019-01-03
資料框
資料框是一種矩陣形式的資料，資料框各列中的資料可以是不同型別的資料。資料框每一列認為是一個變數，每一行是一個觀測；看以看做是矩陣的推廣。
資料框的生成函式：data.frame()
列入資料框列表的限制：
1：他的分量必須是向量 ---- 數值，字元，邏輯
-----因子
-----數值矩陣
-----列表
------其他資料框（實現了資料框的巢狀）
2：矩陣、列表和資料框提供許多變數
3：數值向量、邏輯值因子格式不變
------字元向量強制轉換為因子
------長度一致的變數形式的向量
------函式一致的矩陣結構
列表雖然可以存放不同型別的資料。但是他各個分量並不能實現對齊，（這個在上一篇已經說過），而資料框彌補了這個缺陷
> x [1] 1 1 1 2 3 3 3 > y [1] "女" "男" "男" "女" "女" "女" "男" > z [1] 80 86 86 75 64 54 67 > (student<-data.frame(x,y,z)) x y z 1 1 女 80 2 1 男 86 3 1 男 86 4 2 女 75 5 3 女 64 6 3 女 54 7 3 男 67 可以將x,y,z的標題進行轉化： 可以對行名進行修改：row.names() > (student<-data.frame(class=x,sex=y,score=z)) class sex score 1 1 女 80 2 1 男 86 3 1 男 86 4 2 女 75 5 3 女 64 6 3 女 54 7 3 男 67 > row.names(student)<-c("曹操","王斌","劉備","劉鬆","王田","張飛","趙子龍") > student class sex score 曹操 1 女 80 王斌 1 男 86 劉備 1 男 86 劉鬆 2 女 75 王田 3 女 64 張飛 3 女 54 趙子龍 3 男 67 資料框的引用，資料框使用陣列的形式去訪問；-------看成是特殊的陣列 返回y變數所有樣本的觀察數： Student[,”student”] > student[,"score"] #返回成績表 [1] 80 86 86 75 64 54 67 > student[,3] #返回第三列（成績）的資訊 （和上面的效果一樣） [1] 80 86 86 75 64 54 67 > student[1:5,1:3] class sex score 曹操 1 女 80 王斌 1 男 86 劉備 1 男 86 劉鬆 2 女 75 王田 3 女 64 > student[,3] [1] 80 86 86 75 64 54 67 > #返回1-5行，1-3列的資訊 > student[1:5,1:3] class sex score 曹操 1 女 80 王斌 1 男 86 劉備 1 男 86 劉鬆 2 女 75 王田 3 女 64 > student[,] #和直接輸入student效果一樣 class sex score 曹操 1 女 80 王斌 1 男 86 劉備 1 男 86 劉鬆 2 女 75 王田 3 女 64 張飛 3 女 54 趙子龍 3 男 67
用列表的形式訪問資料框（只要在列表的後面加上”$”在加上變數名即可）：列表就是物件的集合；而且這些物件可以是不同型別的；資料框是特殊的列表，資料框的列可以看成是向量（要求是同一個型別的物件）
訪問資料框的形式：
> student$score [1] 80 86 86 75 64 54 67 > student$sc [1] 80 86 86 75 64 54 67 > student[["score"]] [1] 80 86 86 75 64 54 67 > student[[3]] [1] 80 86 86 75 64 54 67 把成績大於80的顯示出來： > student[student$score>80,] class sex score 王斌 1 男 86 劉備 1 男 86 > student[student$score>80] sex score 曹操 女 80 王斌 男 86 劉備 男 86 劉鬆 女 75 王田 女 64 張飛 女 54 趙子龍 男 67
可以看到這裡並沒有報錯，但是執行結果也是不對的，它少了一個逗號，
#查詢出性別為男的
> student
class sex score
曹操 1 女 80
王斌 1 男 86
劉備 1 男 86
劉鬆 2 女 75
王田 3 女 64
張飛 3 女 54
趙子龍 3 男 67
> student[which(student$sex=="男"),]
class sex score
王斌 1 男 86
劉備 1 男 86
趙子龍 3 男 67
#把所有的性別統一為男
> student[student$sex<-"男"]
Error in `[.data.frame`(student, student$sex <- "男") :
undefined columns selected
>student
class sex score
曹操 1 男 80
王斌 1 男 86
劉備 1 男 86
劉鬆 2 男 75
王田 3 男 64
張飛 3 男 54
趙子龍 3 男 67資料框繫結：
資料框的主要用途：儲存統計建模的資料，R語言軟體的統計建模功能需要用資料框作為輸入資料；訪問資料框的變數：資料框名$變數名；用可以把資料框中的變數連線到記憶體中，把資料框連線繫結到當前的名字空間，從而可以直接使用資料框中的變數名去訪問；而不用資料框名$變數名這種複雜的方式了；
一個變數即是全域性變數又是內部變數以全域性變數為主；
> attach(student)
The following object is masked _by_ .GlobalEnv:
score
點選清空即可：
#在沒有繫結前是不能直接以變數名訪問資料框中的變數的
> score
Error: object 'score' not found
> y<-c("女","男","男","女","女","女","男")
> x<-c(1,1,1,2,3,3,3)
> z<-c(80,86,86,75,64,54,67)
> (student<-data.frame(x,y,z))
x y z
1 1 女 80
2 1 男 86
3 1 男 86
4 2 女 75
5 3 女 64
6 3 女 54
7 3 男 67
> row.names(student)<-c("曹操","王斌","劉備","劉鬆","王田","張飛","趙子龍")
> student
x y z
曹操 1 女 80
王斌 1 男 86
劉備 1 男 86
劉鬆 2 女 75
王田 3 女 64
張飛 3 女 54
趙子龍 3 男 67
> (student<-data.frame(class=x,sex=y,score=z))
class sex score
1 1 女 80
2 1 男 86
3 1 男 86
4 2 女 75
5 3 女 64
6 3 女 54
7 3 男 67
> class
function (x) .Primitive("class")
> score
Error: object 'score' not found
> (student<-data.frame(class=x,sex=y,score=z))
class sex score
1 1 女 80
2 1 男 86
3 1 男 86
4 2 女 75
5 3 女 64
6 3 女 54
7 3 男 67
> class
function (x) .Primitive("class")
> scpre
Error: object 'scpre' not found
> attach(student) #進行繫結
#繫結後可以直接訪問變數名
> score
[1] 80 86 86 75 64 54 67
> class
[1] 1 1 1 2 3 3 3繫結相當於把student的資料框放到記憶體中了
結繫結detach() / detach(student)
R語言的空間管理，執行時保持一個變數收索的路徑表，在讀取某個變數時，到這個收索路徑表當中，由前向後進行查詢，找到最前面一個，在賦值時，總是在位置1賦值（也可以有特別的指定）；讀取變數的預設位置就是在變數收索路徑表的位置上來進行收索；
資料框的拆分和合並
有時希望分組進行統計分析或者只是分析其中的一部分資料，就可以通過拆分資料集來進行分析，有時希望把不同組的資料合併起來來進行分析；資料框的拆分與合併就是一個互逆的過程；
#載入資料集PlantGrowth
> data("PlantGrowth")
> PlantGrowth
weight group #weight權重，group分組
1 4.17 ctrl
2 5.58 ctrl
3 5.18 ctrl
4 6.11 ctrl
5 4.50 ctrl
6 4.61 ctrl
7 5.17 ctrl
8 4.53 ctrl
9 5.33 ctrl
10 5.14 ctrl
11 4.81 trt1
12 4.17 trt1
13 4.41 trt1
14 3.59 trt1
15 5.87 trt1
16 3.83 trt1
17 6.03 trt1
18 4.89 trt1
19 4.32 trt1
20 4.69 trt1
21 6.31 trt2
22 5.12 trt2
23 5.54 trt2
24 5.50 trt2
25 5.37 trt2
26 5.29 trt2
27 4.92 trt2
28 6.15 trt2
29 5.80 trt2
30 5.26 trt2
> unPG=unstack(PlantGrowth)
> PlantGrowth weight group
1 4.17 ctrl
2 5.58 ctrl
3 5.18 ctrl
4 6.11 ctrl
5 4.50 ctrl
6 4.61 ctrl
7 5.17 ctrl
8 4.53 ctrl
9 5.33 ctrl
10 5.14 ctrl
11 4.81 trt1
12 4.17 trt1
13 4.41 trt1
14 3.59 trt1
15 5.87 trt1
16 3.83 trt1
17 6.03 trt1
18 4.89 trt1
19 4.32 trt1
20 4.69 trt1
21 6.31 trt2
22 5.12 trt2
23 5.54 trt2
24 5.50 trt2
25 5.37 trt2
26 5.29 trt2
27 4.92 trt2
28 6.15 trt2
29 5.80 trt2
30 5.26 trt2
> unPG
ctrl trt1 trt2
1 4.17 4.81 6.31
2 5.58 4.17 5.12
3 5.18 4.41 5.54
4 6.11 3.59 5.50
5 4.50 5.87 5.37
6 4.61 3.83 5.29
7 5.17 6.03 4.92
8 4.53 4.89 6.15
9 5.33 4.32 5.80
10 5.14 4.69 5.26
拆分到以前的樣子：
> SPG=stack(unPG)
> SPG
values ind
1 4.17 ctrl
2 5.58 ctrl
3 5.18 ctrl
4 6.11 ctrl
5 4.50 ctrl
6 4.61 ctrl
7 5.17 ctrl
8 4.53 ctrl
9 5.33 ctrl
10 5.14 ctrl
11 4.81 trt1
12 4.17 trt1
13 4.41 trt1
14 3.59 trt1
15 5.87 trt1
16 3.83 trt1
17 6.03 trt1
18 4.89 trt1
19 4.32 trt1
20 4.69 trt1
21 6.31 trt2
22 5.12 trt2
23 5.54 trt2
24 5.50 trt2
25 5.37 trt2
26 5.29 trt2
27 4.92 trt2
28 6.15 trt2
29 5.80 trt2
30 5.26 trt2因子的應用：
summary():給出整個資料集的狀況
str():檢視結構
> patientID<-c(1,2,3,4)
> age<-c(25,35,35,46)
> diabetes<-c("Type1","Type2","Type1","Type1")
> status<-c("Poor","Imporved","Excellen","Poor")
> patientData<-data.frame(patientID,age,diabetes,status)
> patientData
patientID age diabetes status
1 1 25 Type1 Poor
2 2 35 Type2 Imporved
3 3 35 Type1 Excellen
4 4 46 Type1 Poor
> #因子
> #status用到排序型的因子
> status<-factor(status,ordered = TRUE)
> #diabetes是一個普通的因子
> diabetes <- factor(diabetes)
> patientData
patientID age diabetes status
1 1 25 Type1 Poor
2 2 35 Type2 Imporved
3 3 35 Type1 Excellen
4 4 46 Type1 Poor
> summary(patientData)
patientID age diabetes status
Min. :1.00 Min. :25.00 Type1:3 Excellen:1
1st Qu.:1.75 1st Qu.:32.50 Type2:1 Imporved:1
Median :2.50 Median :35.00 Poor :2
Mean :2.50 Mean :35.25
3rd Qu.:3.25 3rd Qu.:37.75
Max. :4.00 Max. :46.00
> str(patientData)
'data.frame': 4 obs. of 4 variables:
$ patientID: num 1 2 3 4
$ age : num 25 35 35 46
$ diabetes : Factor w/ 2 levels "Type1","Type2": 1 2 1 1
$ status : Factor w/ 3 levels "Excellen","Imporved",..: 3 2 #排序了