如何在 R 中创建 DataFrame 以有条理地保存数据

R语言中数据框的详解与创建方法

在R语言中，数据框（DataFrame）是一种基础的数据结构，它为数据分析和操作提供了必要的框架、灵活性以及工具。数据框的重要性不仅体现在统计学和数据科学领域，还延伸到了各个行业的数据驱动决策过程中。

数据框通过提供结构化和组织化的方式，使得解锁数据中的洞见，并以系统且高效的方式做出以数据为依据的决策成为可能。

R语言中的数据框在结构上类似于表格，由行和列组成。每一行代表一个观测值，而每一列则代表一个变量。这种结构化的组织方式使得数据的处理和管理变得更加容易。数据框能够存储多种数据类型，包括数值、文本和日期等，使其在应用中具有极高的通用性。

本文将详细阐述数据框的重要性，并探讨如何使用data.frame()函数创建数据框。

此外，我们将深入研究操作数据的方法，并介绍如何从CSV和Excel文件创建数据框、将其他数据结构转换为数据框，以及如何有效地利用tibble库。

以下是数据框在R语言中至关重要的几个关键原因：

数据框的重要性

• 结构化数据存储：数据框以一种结构化的表格形式存储数据，类似于电子表格。这种结构化格式简化了数据的管理和组织。

• 混合数据类型：数据框可以在同一结构中容纳不同的数据类型。您可以拥有包含数值、字符串、因子、日期等类型的列。这种多功能性在处理实际数据时至关重要。

• 数据组织：数据框中的每一列代表一个变量，而每一行代表一个观察或案例。这种结构化的布局使得理解数据的组织变得容易，从而提高了数据的清晰度。

• 数据导入和导出：数据框支持从各种文件格式（如CSV、Excel和数据库）轻松导入和导出数据。此功能简化了使用外部数据源的过程。

• 互操作性：数据框得到了R语言包和函数的广泛支持，确保了与其他统计和数据分析工具以及库的兼容性。这种互操作性允许无缝集成到R生态系统中。

• 数据操作：R语言提供了丰富的软件包生态系统，其中“dplyr”就是一个突出的例子。这些包使得过滤、转换和汇总数据变得容易。此功能对于数据清理和准备至关重要。

• 统计分析：数据框是R语言中许多统计和数据分析函数的标准数据格式。您可以使用数据框有效地执行回归分析、假设检验以及许多其他的统计分析。

• 可视化：R语言的数据可视化包（如ggplot2）可以与数据框无缝协作。这使得创建信息丰富的图表和图形用于数据探索和交流变得简单。

• 数据探索：数据框通过汇总统计、可视化和其他分析方法促进了数据探索。这有助于分析师和数据科学家理解数据的特征，并检测模式或异常值。

如何在R语言中创建数据框

在R语言中，有多种方法可以创建数据框。以下是一些最常见的方法：

#1. 使用 data.frame() 函数

    # 检查并加载必要的dplyr库
    if (!require("dplyr")) {
      install.packages("dplyr")
      library(dplyr)
    }
    
    # 设置随机数种子以保证结果的可重复性
    set.seed(42)
    
    # 创建一个示例销售数据框，其中包含真实的商品名称
    sales_data <- data.frame(
      OrderID = 1001:1010,
      Product = c("笔记本电脑", "智能手机", "平板电脑", "耳机", "相机", "电视", "打印机", "洗衣机", "冰箱", "微波炉"),
      Quantity = sample(1:10, 10, replace = TRUE),
      Price = round(runif(10, 100, 2000), 2),
      Discount = round(runif(10, 0, 0.3), 2),
      Date = sample(seq(as.Date('2023-01-01'), as.Date('2023-01-10'), by="days"), 10)
    )
    
    # 显示销售数据框
    print(sales_data)

这段代码的具体操作如下：

• 首先，它检查R环境中是否已安装并加载“dplyr”库。
• 如果“dplyr”库不存在，则会安装并加载该库。
• 然后，设置一个随机数种子，以确保结果的可重复性。
• 接下来，使用预先填充的数据创建一个示例销售数据框。
• 最后，在控制台中显示销售数据框以便查看。

销售数据框

这是在R语言中创建数据框的最简单方法之一。接下来，我们将探讨如何提取、添加、删除以及选择特定的列或行，以及如何汇总数据。

提取列

有两种方法可以从数据框中提取所需的列：

• 可以使用索引来检索R语言中数据框的最后三列。
• 当您想按名称访问特定的列时，可以使用$运算符从数据框中提取列。

为了节省时间，我们将同时演示这两种方法：

    # 使用索引从sales_data数据框中提取最后三列（Discount, Price, Date）
    last_three_columns <- sales_data[, c("Discount", "Price", "Date")]
    
    # 显示提取的列
    print(last_three_columns)
    
    ############################################# OR #########################################################
    
    # 使用$运算符提取最后三列（Discount, Price, Date）
    discount_column <- sales_data$Discount
    price_column <- sales_data$Price
    date_column <- sales_data$Date
    
    # 使用提取的列创建一个新的数据框
    last_three_columns <- data.frame(Discount = discount_column, Price = price_column, Date = date_column)
    
    # 显示提取的列
    print(last_three_columns)

您可以使用任何一种代码来提取所需的列。

您可以使用多种方法从R语言的数据框中提取行。这里是一个简单的方法：

    # 从last_three_columns数据框中提取特定的行（第3、6和9行）
    selected_rows <- last_three_columns[c(3, 6, 9), ]
    
    # 显示选择的行
    print(selected_rows)

您还可以使用指定的条件来提取行：

    # 提取并排列符合指定条件的行
    selected_rows <- sales_data %>%
      filter(Discount < 0.3, Price > 100, format(Date, "%Y-%m") == "2023-01") %>%
      arrange(OrderID) %>%
      select(Discount, Price, Date)
    
    # 显示选择的行
    print(selected_rows)

提取的行

添加新行

要向R语言的现有数据框中添加新行，可以使用rbind()函数：

    # 创建一个新行作为数据框
    new_row <- data.frame(
      OrderID = 1011,
      Product = "咖啡机",
      Quantity = 2,
      Price = 75.99,
      Discount = 0.1,
      Date = as.Date("2023-01-12")
    )
    
    # 使用rbind()函数将新行添加到数据框
    sales_data <- rbind(sales_data, new_row)
    
    # 显示更新后的数据框
    print(sales_data)

添加新行

添加新列

您可以使用简单的代码在数据框中添加列。在这里，我想向我的数据中添加“付款方式”列。

    # 创建一个新的列"PaymentMethod"，并为每一行添加值
    sales_data$PaymentMethod <- c("信用卡", "PayPal", "现金", "信用卡", "现金", "PayPal", "现金", "信用卡", "信用卡", "现金", "信用卡")
    # 显示更新后的数据框
    print(sales_data)

在数据框中添加的列

删除行

如果您想删除不需要的行，此方法可能会有所帮助：

    # 通过OrderID识别要删除的行
    row_to_delete <- sales_data$OrderID == 1010
    
    # 使用识别的行来排除它，并创建一个新的数据框
    sales_data <- sales_data[!row_to_delete, ]
    
    # 显示删除行后的更新数据框
    print(sales_data)

删除列

您可以使用dplyr包从R语言的数据框中删除列。

    # 加载 dplyr 包
   if (!require("dplyr")) {
    install.packages("dplyr")
    library(dplyr)
    }
    
    # 使用select()函数删除“Discount”列
    sales_data <- sales_data %>% select(-Discount)
    
    # 显示没有“Discount”列的更新数据框
    print(sales_data)

获取摘要

要获取R语言中数据的摘要，可以使用summary()函数。此函数提供了数据中数值变量的集中趋势和分布的快速概览。

    # 获取数据的摘要
    data_summary <- summary(sales_data)
    
    # 显示摘要
    print(data_summary)

您可以按照以上几个步骤来操作数据框中的数据。

让我们继续使用第二种方法来创建数据框。

#2. 从CSV文件创建R数据框

要从CSV文件创建R数据框，可以使用read.csv()函数：

    # 将CSV文件读取到数据框中
    df <- read.csv("my_data.csv")
    
    # 查看数据框的前几行
    head(df)

此函数从CSV文件读取数据并进行转换。然后，您可以根据需要在R语言中使用数据。

    # 如果尚未安装，则安装并加载readr包
    if (!requireNamespace("readr", quietly = TRUE)) {
      install.packages("readr")
    }
    library(readr)
    
    # 将CSV文件读取到数据框中
    df <- read_csv("data.csv")
    
    # 查看数据框的前几行
    head(df)

您可以使用readr包在R语言中读取CSV文件。readr包中的read_csv()函数通常用于此目的。它比常规方法更快。

#3. 使用 as.data.frame() 函数

您可以使用as.data.frame()函数在R语言中创建数据框。此函数允许您将其他数据结构（如矩阵或列表）转换为数据框。

使用方法如下：

    # 创建一个嵌套列表来表示数据
    data_list <- list(
      OrderID = 1001:1011,
      Product = c("笔记本电脑", "智能手机", "平板电脑", "耳机", "相机", "电视", "打印机", "洗衣机", "冰箱", "微波炉", "咖啡机"),
      Quantity = c(1, 5, 1, 9, 10, 4, 2, 10, 1, 8, 2),
      Price = c(1875.88, 585.31, 978.36, 1886.03, 1958.63, 323.23, 1002.49, 1164.63, 1817.66, 363.55, 75.99),
      Discount = c(0.3, 0.28, 0.02, 0.15, 0.12, 0.27, 0.13, 0.25, 0.22, 0.24, 0.1),
      Date = as.Date(c("2023-01-08", "2023-01-03", "2023-01-02", "2023-01-01", "2023-01-10", "2023-01-09", "2023-01-05", "2023-01-06", "2023-01-04", "2023-01-07", "2023-01-12")),
      PaymentMethod = c("信用卡", "PayPal", "现金", "信用卡", "现金", "PayPal", "现金", "信用卡", "信用卡", "现金", "信用卡")
    )
    
    # 将嵌套列表转换为数据框
    sales_data <- as.data.frame(data_list)
    
    # 显示数据框
    print(sales_data)

销售数据

此方法允许您创建数据框，而无需逐一指定每一列，当您拥有大量数据时，此方法特别有用。

#4. 从现有的数据框

要通过从R语言的现有数据框中选择特定列或行来创建新的数据框，可以使用方括号[]进行索引。它的工作原理如下：

    # 选择行和列
    sales_subset <- sales_data[c(1, 3, 4), c("Product", "Quantity")]
    
    # 显示选择的子集
    print(sales_subset)

在此代码中，我们创建一个名为sales_subset的新数据框，其中包含sales_data中的特定行（1、3和4）和特定列（“Product”和“Quantity”）。

您可以调整行和列的索引以及名称来选择您需要的数据。

销售_子集

#5. 从向量

向量是R语言中的一维数据结构，由相同数据类型的元素组成，包括逻辑型、整数型、双精度型、字符型、复数型或原始型数据。

另一方面，R语言的数据框是一种二维结构，旨在以包含行和列的表格格式存储数据。有多种方法可以从向量创建R数据框，下面提供了一个这样的示例。

    # 为每一列创建向量
    OrderID <- 1001:1011
    Product <- c("笔记本电脑", "智能手机", "平板电脑", "耳机", "相机", "电视", "打印机", "洗衣机", "冰箱", "微波炉", "咖啡机")
    Quantity <- c(1, 5, 1, 9, 10, 4, 2, 10, 1, 8, 2)
    Price <- c(1875.88, 585.31, 978.36, 1886.03, 1958.63, 323.23, 1002.49, 1164.63, 1817.66, 363.55, 75.99)
    Discount <- c(0.3, 0.28, 0.02, 0.15, 0.12, 0.27, 0.13, 0.25, 0.22, 0.24, 0.1)
    Date <- as.Date(c("2023-01-08", "2023-01-03", "2023-01-02", "2023-01-01", "2023-01-10", "2023-01-09", "2023-01-05", "2023-01-06", "2023-01-04", "2023-01-07", "2023-01-12"))
    PaymentMethod <- c("信用卡", "PayPal", "现金", "信用卡", "现金", "PayPal", "现金", "信用卡", "信用卡", "现金", "信用卡")
    
    # 使用data.frame()函数创建数据框
    sales_data <- data.frame(
      OrderID = OrderID,
      Product = Product,
      Quantity = Quantity,
      Price = Price,
      Discount = Discount,
      Date = Date,
      PaymentMethod = PaymentMethod
    )
    
    # 显示数据框
    print(sales_data)

在此代码中，我们为每一列创建单独的向量，然后使用data.frame()函数将这些向量组合到名为sales_data的数据框中。

这允许您从R语言中的各个向量创建结构化的表格数据框。

#6. 从Excel文件

要在R语言中通过导入Excel文件来创建数据框，可以使用第三方包，如readxl，因为基础R不提供对读取Excel文件的原生支持。read_excel()是读取Excel文件的此类函数之一。

    # 加载readxl库
    if (!require("readxl")) {
        install.packages("readxl")
        library(readxl)
    }
    
    # 定义Excel文件的文件路径
    excel_file_path <- "your_file.xlsx"  # 替换为实际的文件路径
    
    # 读取Excel文件并创建数据框
    data_frame_from_excel <- read_excel(excel_file_path)
    
    # 显示数据框
    print(data_frame_from_excel)

此代码将读取Excel文件，并将其数据存储在R语言的数据框中，从而允许您在R语言环境中使用该数据。

#7. 从文本文件

您可以使用R语言中的read.table()函数将文本文件导入到数据框中。此函数需要两个基本参数：您要读取的文件名和指定如何分隔文件中字段的分隔符。

    # 定义文件名和分隔符
    file_name <- "your_text_file.txt"  # 替换为实际的文件名
    delimiter <- "\t"  # 替换为实际的分隔符（例如，"\t"表示制表符分隔，","表示CSV）
    
    # 使用read.table()函数创建数据框
    data_frame_from_text <- read.table(file_name, header = TRUE, sep = delimiter)
    
    # 显示数据框
    print(data_frame_from_text)

此代码将读取文本文件并在R语言中创建数据框，使其可在R语言环境中进行数据分析。

#8. 使用tibble

要使用提供的向量创建tibble数据框并利用tidyverse库，您可以按照以下步骤操作：

    # 加载tidyverse库
    if (!require("tidyverse")) {
      install.packages("tidyverse")
      library(tidyverse)
    }
    
    # 使用提供的向量创建tibble
    sales_data <- tibble(
      OrderID = 1001:1011,
      Product = c("笔记本电脑", "智能手机", "平板电脑", "耳机", "相机", "电视", "打印机", "洗衣机", "冰箱", "微波炉", "咖啡机"),
      Quantity = c(1, 5, 1, 9, 10, 4, 2, 10, 1, 8, 2),
      Price = c(1875.88, 585.31, 978.36, 1886.03, 1958.63, 323.23, 1002.49, 1164.63, 1817.66, 363.55, 75.99),
      Discount = c(0.3, 0.28, 0.02, 0.15, 0.12, 0.27, 0.13, 0.25, 0.22, 0.24, 0.1),
      Date = as.Date(c("2023-01-08", "2023-01-03", "2023-01-02", "2023-01-01", "2023-01-10", "2023-01-09", "2023-01-05", "2023-01-06", "2023-01-04", "2023-01-07", "2023-01-12")),
      PaymentMethod = c("信用卡", "PayPal", "现金", "信用卡", "现金", "PayPal", "现金", "信用卡", "信用卡", "现金", "信用卡")
    )
    
    # 显示创建的销售tibble
    print(sales_data)

此代码使用tidyverse库中的tibble()函数创建一个名为sales_data的tibble数据框。正如您所提到的，与默认的R语言数据框相比，tibble格式提供了更多信息打印。

如何在R语言中高效使用数据框

在R语言中有效使用数据框对于数据操作和分析至关重要。数据框是R语言中的基本数据结构，通常使用data.frame函数创建和操作。以下是一些高效工作的技巧：

• 在创建数据框之前，请确保您的数据是干净且结构良好的。删除任何不必要的行或列，处理缺失值，并确保数据类型合适。

• 为您的列设置适当的数据类型（例如数字型、字符型、因子型、日期型）。这可以提高内存使用率和计算速度。

• 使用索引和子集化来处理较小部分的数据。subset()和[]运算符对此目的很有用。

• 虽然attach()和detach()很方便，但它们也可能导致歧义和意外行为。

• R语言针对向量化操作进行了高度优化。只要有可能，就使用向量化函数而不是循环来进行数据操作。

• R语言中的嵌套循环可能会很慢。请尝试使用向量化操作或应用函数（如lapply或sapply），而不是嵌套循环。

• 大型数据框会消耗大量内存。考虑使用data.table或dtplyr包，它们对于较大的数据集来说内存效率更高。

• R语言有多种用于数据操作的包。利用dplyr、tidyr和data.table等包进行高效的数据转换。

• 尽量减少全局变量的使用，尤其是在使用多个数据框时。使用函数并传递数据框作为参数。

• 在处理聚合数据时，使用dplyr中的group_by()和summarize()函数可以高效地执行计算。

• 对于大型数据集，请考虑使用并行处理或foreach等包来加速操作。

• 将数据读入R语言时，请使用readr或data.table::fread等函数，而不是read.csv等基本R语言函数，以加快数据导入速度。

• 对于非常大的数据集，请考虑使用数据库系统或专门的存储格式，如Feather、Arrow或Parquet。

通过遵循这些最佳实践，您可以高效地使用R语言中的数据框，使您的数据操作和分析任务更易于管理且更快。

最后的想法

在R语言中创建数据框非常简单，并且您可以使用多种方法。我强调了数据框的重要性，并讨论了如何使用data.frame()函数创建数据框。

此外，我们还探讨了操作数据的方法，并介绍了如何从CSV和Excel文件创建数据框、将其他数据结构转换为数据框，以及如何使用tibble库。

您可能对R语言编程的最佳IDE感兴趣。