R – 数据帧操作

数据框是由行和列组成的二维结构化实体。它由与行相同长度的向量组成。数据存储在单元格中，通过指定数据帧的相应 [row, col] 值集来访问这些单元格。数据帧的操作涉及修改、提取和重组数据帧的内容。在本文中，我们将研究与 R 中数据帧操作有关的各种操作。

重命名列

可以重命名数据框的列以将新名称设置为标签。但是，更改不会反映在原始数据框中。并非所有列都必须重命名。列标签可以设置为复数、数字或字符串值。重命名所有列所需的时间复杂度为 O(c)，其中 c 是数据框中的列数。有两种方法可以重命名数据框中的列：

• plyr包的rename()函数
  plyr包的 rename()函数根据旧名称修改列的名称。它不将列位置作为参数来重命名列标签。
  例子：

  # R program to rename a Data Frame
    
  # Adding Package
  df <- library(plyr)
    
  # Creating a Data Frame
  df<-data.frame(row1 = 0:2, row2 = 3:5, row3 = 6:8)
  print("Original Data Frame")
  print(df)
  print("Modified Data Frame")
    
  # Renaming Data Frame
  rename(df, c("row1"="one", "row2"="two", "row3"="three"))
  

  输出：

  [1] "Original Data Frame"
    row1 row2 row3
  1    0    3    6
  2    1    4    7
  3    2    5    8
  [1] "Modified Data Frame"
    one two three
  1   0   3     6
  2   1   4     7
  3   2   5     8
   
  

  列标签已更改。在这种情况下，必须将结果分配回数据框，以保留更改。

• R的内置函数：名称（数据框）[col]
  可以使用列索引或列名重命名列标签以设置新值。更改会反映在原始数据框中。 names()函数允许我们一次更改单个列的标签。

  示例 1：

  # R program to rename a Data Frame
    
  # Creating a Data Frame
  df<-data.frame(row1 = 0:2, row2 = 3:5, row3 = 6:8)
  print("Original Data Frame")
  print(df)
  print("Modified Data Frame")
    
  # Renaming Data Frame
  names(df)[names(df)=="row3"]<-"three"
  print(df)
  

  输出：

  [1] "Original Data Frame"
    row1 row2 row3
  1    0    3    6
  2    1    4    7
  3    2    5    8
  [1] "Modified Data Frame"
    row1 row2 three
  1    0    3     6
  2    1    4     7
  3    2    5     8
   
  

  在这里，第三列的标签从第三行修改为第三。更改保留在原始数据库中。

  示例 2：

  # R program to rename a Data Frame
    
  # Creating a Data Frame
  df<-data.frame(row1 = 0:2, row2 = 3:5, row3 = 6:8)
  print("Original Data Frame")
  print(df)
  print("Modified Data Frame")
    
  # Renaming Data Frame
  names(df)[2]<-"two"
  print(df)
  

  输出：

  [1] "Original Data Frame"
    row1 row2 row3
  1    0    3    6
  2    1    4    7
  3    2    5    8
  [1] "Modified Data Frame"
    row1 two row3
  1    0   3    6
  2    1   4    7
  3    2   5    8
  

  在这里，第二列标签从 row2 更改为两个。更改保留在原始数据库中。

扩展数据框

数据框既可以进一步扩展以聚合更多列，也可以收缩以删除列。

• 向数据框中添加列
  可以使用数据框索引模式添加向量形式的列。新列附加在数据框的末尾。新列中的值甚至可以是两个现有列的组合，例如，两列的加法或减法。还可以附加由 NA 值组成的列。更改保留在原始数据框中。添加列所需的时间复杂度为 O(n)，其中 n 是数据帧的行数。有多种方法可以添加新列。
  句法：

  dataframe[[newcol]] <- vector 
  or 
  dataframe[newcol] <-vector 
  or 
  dataframe$newcol <-vector 

  例子：

  # R program to add column in a Data Frame
    
  # Creating a Data Frame
  df<-data.frame(col1 = 0:2, col2 = 3:5, col3 = 6:8)
  print ("Original Data Frame")
  print (df)
    
  # Adding empty column
  df[["col4"]]<-0
    
  # assigns a value NA to the data frame column 5
  df$"col5"<-NA
    
  # Updating Values of column added
  df[["col5"]] <- df[["col1"]] + df[["col2"]]
  print ("Modified Data Frame")
  print (df)
  

  输出：

  [1] "Original Data Frame"
    col1 col2 col3
  1    0    3    6
  2    1    4    7
  3    2    5    8
  [1] "Modified Data Frame"
    col1 col2 col3 col4 col5
  1    0    3    6    0    3
  2    1    4    7    0    5
  3    2    5    8    0    7

  整个 col4 被分配一个向量零值，并首先添加到数据帧的末尾。然后创建使用 df$col5 访问的第五列，并分配值为 NA。然后将相应的值重新计算为第 1 列和第 2 列元素的总和。

• 从数据框中删除列
  数据框的列可以通过它们的名称或索引值从数据框中删除。可以从数据框中一起删除多个列。可以将所需的列名或索引分配给 NULL 值，并相应地移动列。然后将列减少删除的数量。更改会反映在原始数据框中。

  示例 1：

  # R program to remove a column 
  # from a Data Frame
    
  # Creating a Data Frame
  df<-data.frame(row1 = 0:2, row2 = 3:5, row3 = 6:8)
  print ("Original Data Frame")
  print (df)
    
  # Removing a Column
  df[["row2"]]<-NULL
  print(df)
  

  输出：

  [1] "Original Data Frame"
    row1 row2 row3
  1    0    3    6
  2    1    4    7
  3    2    5    8
    row1 row3
  1    0    6
  2    1    7
  3    2    8
   
  

  row2 从数据框中删除。列标签保持不变。 df[row2]<-NULL也会产生类似的结果。

  示例 2：通过列的整数索引删除列

  # R program to remove a column 
  # from a Data Frame
    
  # Creating a Data Frame
  df<-data.frame(row1 = 0:2, row2 = 3:5, row3 = 6:8, row4 = rep(5))
  print ("Original Data Frame")
  print (df)
    
  # Removing two columns
  df <- df [-c(1, 3)]
  print(df)
  

  输出：

  [1] "Original Data Frame"
    row1 row2 row3 row4
  1    0    3    6    5
  2    1    4    7    5
  3    2    5    8    5
    row2 row4
  1    3    5
  2    4    5
  3    5    5
  

  要排除的列使用向量 -c(..column indices..) 指定。这里第 1 列和第 3 列已从数据框中删除，而更改仍保留在原始数据框中。

子集数据框

可以使用subset()函数，其中select 参数涉及要从数据框中删除的列名。也可以通过将它们转换为向量c(col1, col2) 来指定多个列名。此操作创建两个不相交的数据框集，一个包含排除列，另一个包含包含列。列数会因删除数而减少。更改确实反映在原始数据框中。
句法：

subset(dataframe, select= - column)

例子：

# R program to remove a column 
# from a Data Frame
  
# Creating a Data Frame
df<-data.frame(row1 = 0:2, row2 = 3:5, row3 = 6:8)
print ("Original Data Frame")
print (df)
  
# Creating a Subset
df<-subset(df, select = - c(row1, row2))
print("Modified Data Frame")
print(df)

输出：

[1] "Original Data Frame"
  row1 row2 row3
1    0    3    6
2    1    4    7
3    2    5    8
[1] "Modified Data Frame"
  row3
1    6
2    7
3    8

在这里，row1 和 row2 都从数据框中删除。因此，该子集仅包含原始列集中的一列。

重新排序列

可以通过按所需顺序指定列名或列索引来重新排序数据框的列。原始数据框保持不变。必须重新分配更改以保留顺序。在最坏的情况下重新排序列所需的时间复杂度是 O(m*n)，其中所有元素都必须移动到一个新位置，其中 m 是行数，n 是列数。

示例 1：

# R program to remove a column 
# from a Data Frame
  
# Creating a Data Frame
df<-data.frame(row1 = 0:2, row2 = 3:5, row3 = 6:8)
print("Original Data Frame")
print(df)
print("Modified Data Frame")
  
# Temporary modifying column order
# in a Data Frame
df[,c(2, 1, 3)]

输出：

[1] "Original Data Frame"
  row1 row2 row3
1    0    3    6
2    1    4    7
3    2    5    8
[1] "Modified Data Frame"
  row2 row1 row3
1    3    0    6
2    4    1    7
3    5    2    8

在这里，所需的顺序被指定为列索引。因此，这些列被重新排序为列索引[2, 1, 3]。不会对原始数据框进行更改。

示例 2：

# R program to remove a column 
# from a Data Frame
  
# Creating a Data Frame
df<-data.frame(row1 = 0:2, row2 = 3:5, row3 = 6:8)
print("Original Data Frame")
print(df)
print("Modified Data Frame")
  
# Permanently modifying column order
# in a Data Frame
df <- df[c(2, 1, 3)]
print(df)

输出：

[1] "Original Data Frame"
  row1 row2 row3
1    0    3    6
2    1    4    7
3    2    5    8
[1] "Modified Data Frame"
  row2 row1 row3
1    3    0    6
2    4    1    7
3    5    2    8

在这里，所需的顺序被指定为列名。对原始数据框进行了更改。