R okvir podataka: Kako stvoriti, dodati, odabrati i podskup

Što je podatkovni okvir?

A podatkovni okvir je popis vektora jednake duljine. Matrica sadrži samo jednu vrstu podataka, dok podatkovni okvir prihvaća različite tipove podataka (brojčane, znakovne, faktorske itd.).

Ta definicija smješta podatkovni okvir između dva susjeda koje ćete stalno susretati u R. A. matrica je pravokutan, ali jednog tipa, i a popis je višetipski, ali neravan. Okvir podataka posuđuje jedno svojstvo od svakog.

Budući da je okvir podataka zapravo lista ispod, pristupnici korišteni na listama rade i ovdje, zbog čega se znak dolara ponovno pojavljuje kasnije u ovom vodiču.

Kako stvoriti podatkovni okvir

Možemo stvoriti podatkovni okvir u R prosljeđivanjem varijabli a, b, c i d u funkciju data.frame(). Možemo stvoriti okvir podataka i imenovati stupce pomoću names(), jednostavnim navođenjem imena svake varijable.

data.frame(df, stringsAsFactors = TRUE)

argumenti:

• df: To može biti matrica koja se pretvara u podatkovni okvir ili zbirka varijabli za spajanje
• stringsAsFactors: Kontrolira hoće li vektori znakova postati stupci faktora. Tvornička zadana vrijednost bila je TRUE u starijim izdanjima, a FALSE od R 4.0.0, stoga je eksplicitno proslijedite kada je ponašanje važno.

Možemo stvoriti podatkovni okvir u R-u za naš prvi skup podataka kombiniranjem četiriju varijabli iste duljine.

# Create a, b, c, d variables
a <- c(10,20,30,40)
b <- c('book', 'pen', 'textbook', 'pencil_case')
c <- c(TRUE,FALSE,TRUE,FALSE)
d <- c(2.5, 8, 10, 7)
# Join the variables to create a data frame
df <- data.frame(a,b,c,d)
df

Izlaz:

##     a         b     c     d
## 1  10        book  TRUE   2.5
## 2  20         pen  FALSE  8.0
## 3  30    textbook  TRUE   10.0
## 4  40 pencil_case  FALSE  7.0

Svaki vektor je postao stupac, a četiri vrijednosti u svakom vektoru postale su četiri retka. Imajte na umu da argumenti nisu bili imenovani, pa je R izveo zaglavlja stupaca iz samih naziva varijabli.

Vidimo da zaglavlja stupaca imaju isti naziv kao i varijable. Naziv stupca u R možemo promijeniti pomoću funkcije names(). Pogledajte primjer R create dataframe u nastavku:

# Name the data frame
names(df) <- c('ID', 'items', 'store', 'price')
df

Izlaz:

##   ID       items store price
## 1 10        book  TRUE   2.5
## 2 20         pen FALSE   8.0
## 3 30    textbook  TRUE  10.0
## 4 40 pencil_case FALSE   7.0

Dodjeljivanjem names() zamjenjuje se svako zaglavlje odjednom, tako da vektor zamjene mora imati točno jedan unos po stupcu. Za preimenovanje jednog stupca umjesto toga, indeksirajte vektor names, kao u names(df)[2] <- 'product'.

# Print the structure
str(df)

Izlaz:

## 'data.frame':    4 obs. of  4 variables:
##  $ ID   : num  10 20 30 40
##  $ items: Factor w/ 4 levels "book","pen","pencil_case",..: 1 2 4 3
##  $ store: logi  TRUE FALSE TRUE FALSE
##  $ price: num  2.5 8 10 7

Napomena o verziji. Gornji izlaz je proizveden na R izdanju starijem od 4.0.0, gdje je data.frame() prema zadanim postavkama pretvarao vektore znakova u faktore, zbog čega se items prikazuje kao Faktor s četiri razine. Osnovna R dokumentacija bilježi da je ova tvornički zadana postavka promijenjeno u stringsAsFactors = FALSE za R 4.0.0Pokretanje istog koda na trenutnoj verziji ostavlja stavke kao običan stupac znakova, a str() umjesto toga ispisuje chr. Dodajte stringsAsFactors = TRUE pozivu data.frame() za reprodukciju ispisanog izlaza ili pročitajte faktor tutorijal za kada su faktori zapravo željeni.

Slice Data Frame

Nakon što je okvir izgrađen, sljedeći zadatak je izvlačenje njegovih dijelova. Rezanje je osnovni R način za to, a koristi iste uglate zagrade kao i vektori, samo s dvije pozicije umjesto jedne.

Moguće je izvršiti SLICE vrijednosti okvira podataka. Redove i stupce za vraćanje odabiremo unutar zagrada ispred naziva okvira podataka.

Podatkovni okvir sastoji se od redaka i stupaca, df[A, B]. A predstavlja retke, a B stupce. Možemo rezati tako da navedemo retke i/ili stupce.

Na slici 1 ispod, lijevi dio predstavlja redovi, a desni dio je stupovi. Imajte na umu da simbol : znači do. Na primjer, 1:3 namjerava odabrati vrijednosti od 1 do 3.

Na donjem dijagramu prikazujemo kako pristupiti različitim odabirima okvira podataka:

• Žuta strelica odabire red 1 u kolona 2
• Zelena strelica odabire redaka 1 2 se
• Crvena strelica odabire kolona 1
• Plava strelica odabire redaka 1 do 3 i stupovi 3 4 se

Imajte na umu da, ako ostavimo lijevi dio prazan, R će odabrati svi redovi. Analogno tome, ako pustimo desni dio prazan, R će odabrati sve kolone.

Možemo pokrenuti kod u konzoli:

## Select row 1 in column 2
df[1,2]

Izlaz:

## [1] book
## Levels: book pen pencil_case textbook

Redak Levels se pojavljuje jer je items faktor u ovoj sesiji. Na R 4.0.0 i novijim verzijama isti poziv ispisuje jedan niz znakova "book" bez retka Levels.

## Select Rows 1 to 2
df[1:2,]

Izlaz:

##   ID items store price
## 1 10  book  TRUE   2.5
## 2 20   pen FALSE   8.0

## Select Columns 1
df[,1]

Izlaz:

## [1] 10 20 30 40

Odabirom jednog stupca s df[,1] uklanja se omotač okvira i vraća se običan vektor. Dodajte drop = FALSE, kao u df[, 1, drop = FALSE], kada je umjesto toga potreban okvir podataka s jednim stupcem.

## Select Rows 1 to 3 and columns 3 to 4
df[1:3, 3:4]

Izlaz:

##   store price
## 1  TRUE   2.5
## 2 FALSE   8.0
## 3  TRUE  10.0

Također je moguće odabrati stupce s njihovim nazivima. Na primjer, kod u nastavku, npr.tracts dva stupca: ID i pohrana.

# Slice with columns name
df[, c('ID', 'store')]

Izlaz:

##   ID store
## 1 10  TRUE
## 2 20 FALSE
## 3 30  TRUE
## 4 40 FALSE

Imena su sigurnija od pozicija u produkcijskom kodu, jer umetanje ili promjena redoslijeda stupca tiho mijenja na što se df[, 3] odnosi dok df[, 'store'] nastavlja pokazivati ​​na iste podatke.

Dodavanje stupca u okvir podataka

Također možete dodati stupac u okvir podataka. Morate koristiti simbol $ za imenovanje nove varijable i dodavanje stupca u okvir podataka u R-u.

# Create a new vector
quantity <- c(10, 35, 40, 5)

# Add `quantity` to the `df` data frame
df$quantity <- quantity
df

Izlaz:

##   ID       items store price quantity
## 1 10        book  TRUE   2.5       10
## 2 20         pen FALSE   8.0       35
## 3 30    textbook  TRUE  10.0       40
## 4 40 pencil_case FALSE   7.0        5

Napomena: Broj elemenata u vektoru mora biti jednak broju elemenata u podatkovnom okviru. Izvršavanje sljedeće naredbe za dodavanje stupca podatkovnom okviru u R-u

quantity <- c(10, 35, 40)
# Add `quantity` to the `df` data frame
df$quantity <- quantity

Daje grešku:

Error in `

lt;-.data.frame`(`*tmp*`, quantity, value = c(10, 35, 40))

 replacement has 3 rows, data has 4

Poruka imenuje operator zamjene za podatkovne okvire i navodi oba broja, tako da vam točno govori što treba popraviti. R reciklira zamjenu samo kada je njezina duljina jednakomjerno podijelila broj redaka, zbog čega se prihvaća vrijednost duljine 1, kao što je df$currency <- 'EUR', dok se vektor duljine 3 za četiri retka odbija. cbind() dodaje stupac na isti način, a rbind() je njegov pandan za dodavanje redaka.

Odaberite stupac podatkovnog okvira

Ponekad trebamo pohraniti stupac podatkovnog okvira za buduću upotrebu ili izvršiti operaciju na stupcu. Možemo koristiti znak $ za odabir stupca iz podatkovnog okvira.

# Select the column ID
df$ID

Izlaz:

## [1] 1 2 3 4

Pažljivo pročitajte taj izlaz. ID je izgrađen iz vektora c(10, 20, 30, 40), pa konzola ovdje ispisuje 10 20 30 40; prikazani 1 2 3 4 gore su pozicije redaka, a ne pohranjene vrijednosti. [1] na početku retka je jednostavno indeks prvog elementa u tom retku, a ne dio podataka.

Tri rute dosežu isti stupac: df$ID, df[['ID']] i df[, 'ID']. Znak dolara provodi djelomično podudaranje, pa bi df$I i dalje pronašao ID, što je praktično u konzoli, a rizično u spremljenom skriptu.

Podskup podatkovnog okvira

U prethodnom odjeljku odabrali smo cijeli stupac bez uvjeta. Moguće je da se podset na temelju toga je li određeni uvjet bio istinit ili nije.

Koristimo funkciju subset().

subset(x, condition)
arguments:
- x: data frame used to perform the subset
- condition: define the conditional statement

Želimo vratiti samo artikle čija je cijena iznad 5, tako da možemo učiniti sljedeće:

# Select price above 5
subset(df, subset = price > 5)

Izlaz:

ID       items store price
2 20         pen FALSE     8
3 30    textbook  TRUE    10
4 40 pencil_case FALSE     7

Oznake redaka 2, 3 i 4 su izvorna imena redaka prenesena iz df-a, što je način na koji možete prepoznati da je prvi redak filtriran. subset() također prihvaća argument select za istovremeni odabir stupaca, a ekvivalentni oblik zagrade je df[df$price > 5, ]. Oblik zagrade zadržava NA retke gdje uvjet nedostaje, dok subset() ih odbacuje, tako da ta dva nisu uvijek zamjenjiva.

Pitanja i odgovori