热门IT资讯网

R语言的数据帧

发表于:2024-11-26 作者:热门IT资讯网编辑
编辑最后更新 2024年11月26日,数据帧是表或二维阵列状结构,其中每一列包含一个变量的值,并且每一行包含来自每一列的一组值。以下是数据帧的特性。- 列名称应为非空。- 行名称应该是唯一的。- 存储在数据帧中的数据可以是数字,因子或字符

  数据帧是表或二维阵列状结构,其中每一列包含一个变量的值,并且每一行包含来自每一列的一组值。

  以下是数据帧的特性。

  - 列名称应为非空。

  - 行名称应该是唯一的。

  - 存储在数据帧中的数据可以是数字,因子或字符类型。

  - 每个列应包含相同数量的数据项。

  创建数据帧

  # Create the data frame.

  emp.data <- data.frame(

  emp_id = c (1:5),

  emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

  salary = c(623.3,515.2,611.0,729.0,843.25),

  start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",

  "2015-03-27")),

  stringsAsFactors = FALSE

  )

  # Print the data frame.

  print(emp.data)

  当我们执行上面的代码,它产生以下结果 -

  emp_id emp_name salary start_date

  1 1 Rick 623.30 2012-01-01

  2 2 Dan 515.20 2013-09-23

  3 3 Michelle 611.00 2014-11-15

  4 4 Ryan 729.00 2014-05-11

  5 5 Gary 843.25 2015-03-27

  获取数据帧的结构

  通过使用str()函数可以看到数据帧的结构。

  # Create the data frame.

  emp.data <- data.frame(

  emp_id = c (1:5),

  emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

  salary = c(623.3,515.2,611.0,729.0,843.25),

  start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",

  "2015-03-27")),

  stringsAsFactors = FALSE

  )

  # Get the structure of the data frame.

  str(emp.data)

  当我们执行上面的代码,它产生以下结果 -

  'data.frame': 5 obs. of 4 variables:

  $ emp_id : int 1 2 3 4 5

  $ emp_name : chr "Rick" "Dan" "Michelle" "Ryan" ...

  $ salary : num 623 515 611 729 843

  $ start_date: Date, format: "2012-01-01" "2013-09-23" "2014-11-15" "2014-05-11" ...

  数据框中的数据摘要

  可以通过应用summary()函数获取数据的统计摘要和性质。

  扩展数据帧

  可以通过添加列和行来扩展数据帧。

  添加列

  只需使用新的列名称添加列向量。

  添加行

  要将更多行永久添加到现有数据帧,我们需要引入与现有数据帧相同结构的新行,并使用rbind()函数。

  在下面的示例中,我们创建一个包含新行的数据帧,并将其与现有数据帧合并以创建最终数据帧。

  # Create the first data frame.

  emp.data <- data.frame(

  emp_id = c (1:5),

  emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

  salary = c(623.3,515.2,611.0,729.0,843.25),

  start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",

  "2015-03-27")),

  dept = c("IT","Operations","IT","HR","Finance"),

  stringsAsFactors = FALSE

  )无锡妇科医院 http://www.wxbhnkyy39.com

  # Create the second data frame

  emp.newdata <- data.frame(

  emp_id = c (6:8),

  emp_name = c("Rasmi","Pranab","Tusar"),

  salary = c(578.0,722.5,632.8),

  start_date = as.Date(c("2013-05-21","2013-07-30","2014-06-17")),

  dept = c("IT","Operations","Fianance"),

  stringsAsFactors = FALSE

  )

  # Bind the two data frames.

  emp.finaldata <- rbind(emp.data,emp.newdata)

  print(emp.finaldata)

  当我们执行上面的代码,它产生以下结果 -

  emp_id emp_name salary start_date dept

  1 1 Rick 623.30 2012-01-01 IT

  2 2 Dan 515.20 2013-09-23 Operations

  3 3 Michelle 611.00 2014-11-15 IT

  4 4 Ryan 729.00 2014-05-11 HR

  5 5 Gary 843.25 2015-03-27 Finance

  6 6 Rasmi 578.00 2013-05-21 IT

  7 7 Pranab 722.50 2013-07-30 Operations

  8 8 Tusar 632.80 2014-06-17 Fianance


0