tibble包实现简单数据框（tibble、data.frame）

使用tibble实现简单数据框

1.1 创建tibble

as_tibble(iris)

 

可以通过 tibble() 函数使用一个向量来创建新 tibble。tibble() 会自动重复长度为 1 的输入，并可以使用刚刚创建的新变量，如下所示:

tibble(

  x = 1:5,

  y = 1,

  z = x ^ 2 + y

)

 

 tibble() 函数的功能要少得多：它不能改变输入的类型（例如，不能将字符串转换为因子）、变量的名称，也不能创建行名称。

可以在 tibble 中使用在 R 中无效的变量名称（即不符合语法的名称）作为列名称。例如，

列名称可以不以字母开头，也可以包含特殊字符（如空格）。要想引用这样的变量，需要使用反引号 ` 将它们括起来：

tb <- tibble(

  `:)` = "smile",

  ` ` = "space",

  `2000` = "number"

)

tb

 

tribble 是 transposed tibble（转置 tibble）的缩写。tribble() 是定制化的，可以对数据按行进行编码：列标题由公式（以 ~ 开头）定义，数据条目以逗号分隔，这样就可以用易读的方式对少量数据进行布局：

tribble(

 ~x, ~y, ~z,

 #--|--|----

 "a", 2, 3.6,

 "b", 1, 8.5

)

 

1.2 创建数据框data.frame

数据框是一种表格式的数据结构，数据框旨在模拟数据集，与其他统计软件例如SAS和SPSS中的数据集一致.

数据集通常由数据构成一个举行数组，行表示观测，列表示变量，不同的行业对于数据集的行和列叫法不同.

数据框实际上是一个列表，列表中的元素是向量，这些向量构成数据框的列，每一个列必须具有相同的长度，所以数据框是矩形结构，而且数据框的列必须命名.

矩阵与数据框

数据框形状上很像矩阵

数据框是比较规则的列表

矩阵必须为同一个数据类型

数据框每一列必须同一类型，每一行可以不同

iris数据集是一个数据框，其他还有mtcars,rock等

 

数据框可以通过data.frame()函数创建,类似于excle中的表格

 

数据框的索引，state[1]输出第一列，state[c(2,4)]输出第2列和第4列，state[-c(2,4)]删除第2列和第4列

通过名字索引，通过这个符号$索引

 

women数据集里面有身高体重

plot()函数可以显示散点图

 

 

利用lm()函数进行线性回归，直接给出列名即可

lm(weight ~height,data=women) 与下面的一句话作用一样

 

attach()加载数据框,之后只需要输入列名就可以显示数据了

rownames(mtcars)显示数据集mtcars的行名，colnames(mtcars)显示数据集mtcars的列名,并通过行名、列名查询显示

detach(mtcars)函数可以去除此数据框

 

with()函数加载数据框并显示,不需要这个符号$

 

 

1.2.1数据框操作--基本数据管理

R基本数据管理--创建变量，变量重编码和重命名

数据框增加列，可以使用符号$

 

 

 

自定义数据框

赋值操作,变量的重编码

 

 

 赋值并判断，也就是变量的重编码，主要使用中括号[]

 

重命名

 

 

  

通过索引重命名

 

2对比tibble与data.frame

tibble 和传统 data.frame 的使用方法主要有两处不同：打印和取子集。

2.1　打印

tibble 的打印方法进行了优化，只显示前 10 行结果，并且列也是适合屏幕的，这种方式非

常适合大数据集。除了打印列名，tibble 还会打印出列的类型，这项非常棒的功能借鉴于str() 函数。

tibble(

 a = lubridate::now() + runif(1e3) * 86400,

 b = lubridate::today() + runif(1e3) * 30,

 c = 1:1e3,

 d = runif(1e3),

 e = sample(letters, 1e3, replace = TRUE)

)

 

可以明确使用 print() 函数来打印数据框，并控制打印的行数（n）和显示的宽度（width）。width = Inf 可以显示出所有列：

nycflights13::flights %>%

  print(n = 10, width = Inf)

还可以通过设置以下选项来控制默认的打印方式。

options(tibble.print_max = n, tibble.pring_min = m)：如果多于 m 行，则只打印出 n行。options(tibble.print_min = Inf) 表示总是打印所有行。

options(tibble.width = Inf) 表示总是打印所有列，不考虑屏幕的宽度。

2.2 取子集

如 $ 和 [[。[[ 可以按名称或位置提取变量；$ 只能按名称提取变量，但可以减少一些输入：

df <- tibble(

 x = runif(5),

 y = rnorm(5)

)

# 按名称提取

df$x

df[["x"]]

 

# 按位置提取

df[[1]]

 

在管道中使用这些提取操作，需要使用特殊的占位符 . ：

df %>% .$x

df %>% .[["x"]]