2017-01-15 13:57:04

目录

索引和定位

获得索引号

  • 序号即索引号: [2] (向量), [[2]] (列表), [3, 4] (矩阵), …
  • 向量名(names)为索引代称，也可用来索引
  • 获得索引号(元素所在位置): 动手数，或用条件命令which()
  • 必须在正确的维度索引: [1:4, ]
> str(euro)
Named num [1:11] 13.76 40.34 1.96 166.39 5.95 ...
 - attr(*, "names")= chr [1:11] "ATS" "BEF" "DEM" "ESP" ...

> which(euro > 100)  # 返回索引代称和索引序号
ESP ITL PTE 
  4   8  11

一维对象切片: "["(向量)和"[["(列表)

  • 用索引序号向量切片
> euro[c(3, 6)]   # 某条街道euro，3号和6号住的是谁？
    DEM     FRF 
1.95583 6.55957   # 该地址住户为名为"DEM"的1.96和名为"FRF"的6.56
  • 用索引代称切片
> euro['ITL']   # 此街道1-11号为ATS, BEF等大厦。ITL大厦的门牌8号
    ITL 
1936.27         # 返回该地址住户

多维数组切片

  • 有n维，就要有n-1个逗号

  • 二维数组(如data.frame): data.frame[row.indices, col.indices]

> mtcars['Mazda RX4', 'mpg']
[1] 21

> mtcars[1:3, 1]
[1] 21.0 21.0 22.8
  • 高维数组: array[indices on dim 1, indices on dim 2, ...]
> str(Titanic)
table [1:4, 1:2, 1:2, 1:2] 0 0 35 0 0 0 17 0 118 154 ...
 - attr(*, "dimnames")=List of 4
  ..$ Class   : chr [1:4] "1st" "2nd" "3rd" "Crew"
  ..$ Sex     : chr [1:2] "Male" "Female"
  ..$ Age     : chr [1:2] "Child" "Adult"
  ..$ Survived: chr [1:2] "No" "Yes"
 
> Titanic['1st', 'Male', 'Adult', 'Yes']  # 四个维度都作唯一索引 ==> 单个元素
[1] 57

条件切片

  • 一维对象
> euro[euro > 100]
    ESP      ITL      PTE 
 166.386 1936.270  200.482
  • 多维对象
> mtcars[mtcars$mpg > 30, ]
                mpg cyl disp  hp drat    wt  qsec vs am gear carb
Fiat 128       32.4   4 78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic    30.4   4 75.7  52 4.93 1.615 18.52  1  1    4    2
Toyota Corolla 33.9   4 71.1  65 4.22 1.835 19.90  1  1    4    1
Lotus Europa   30.4   4 95.1 113 3.77 1.513 16.90  1  1    5    2

切片原理

  • 条件表达式 euro>100 => 逻辑向量 c(F, F, F T, F, F, F, T, F, F, T)
  • 逻辑向量 => 定位TRUE所在的索引 c(4, 8, 11)
  • 索引=> 切片 euro[c(4, 8, 11)]

分割和合并

split

  • 语法
split(x, f, drop = FALSE, ...)
- x: 向量或数据框
- f: 分组因子，将x按f因子分组切割。要与x等长。
- drop: 逻辑值，分割时找不到的因子水平是否被弃去
  • 例子
> split(1:10, rep(c(1,2), 5))
$`1`
[1] 1 3 5 7 9
$`2`
[1] 2 4 6 8 10

> str(split(morley, morley$Expt))

纵向合并 - rbind

  • 各列结构完全一致的数据框可以rbind纵向合并
  • 列名和列的次序要完全相同
  • 更多用于矩阵
> rbind(data.frame(A=c(1, 3), B=c(2, 4)), 
        data.frame(A=c(5, 7), B=c(6, 8)))
  A B
1 1 2
2 3 4
3 5 6
4 7 8

纵向合并 - data.table包的rbind

  • 更灵活的合并(参数use.names, fill, idcol, …)
  • 速度更快(数据框要先转为data.table类)
> library(data.table)
> DT1 = data.table(A=1:2, B=letters[1:2])
> DT2 = data.table(B=letters[4:5], A=4:5, C=c(TRUE, FALSE))
> rbind(DT1, DT2, use.names=TRUE, fill=TRUE)
   A  B     C
1: 1  a    NA
2: 2  b    NA
3: 4  d  TRUE
4: 5  e FALSE

纵向合并 - dplyr包的bind_rows

  • 速度更快(数据框要先转为tbl_df类)
> library(dplyr)
> DT1 = tbl_df(data.frame(A=1:2, B=letters[1:2]))
> DT2 = tbl_df(data.frame(B=letters[4:5], A=4:5, C=c(TRUE, FALSE)))
> bind_rows(list(DT1, DT2), .id="from")
# A tibble: 4 × 4
   from     A     B     C
  <chr> <int> <chr> <lgl>
1     1     1     a    NA
2     1     2     b    NA
3     2     4     d  TRUE
4     2     5     e FALSE

横向合并 - cbind

  • 行数相等的数据框可以用cbind
  • 不能识别主键。如行的次序有错误，会造成错行
  • 更多用于矩阵
> cbind(data.frame(A=c(1, 3), B=c(2, 4)), 
        data.frame(A=c(5, 7), B=c(6, 8)))
  A B A B
1 1 2 5 6
2 3 4 7 8

横向合并 - data.table包的merge

  • 有公用主键的数据框，可以用merge匹配后合并
  • 可自定义两个数据集的匹配一个或多个主键（by, 或by.x, by.y）
  • 需先将数据框转为data.table类，最好设定key
> d1 <- data.table(a=rep(1:2, each=3), b=1:6, key="a,b")
> d2 <- data.table(a=0:1, b=0:1, bb=10:11, key="a,b")
> merge(d1, d2, by=c('a', 'b'), all=TRUE)
   a  b bb
1: 0 NA 10
2: 1  1 11
3: 1  2 11
4: 1  3 11
5: 2  4 NA
6: 2  5 NA
7: 2  6 NA

横向合并 - dplyr包的join家族

  • 更灵活的类SQL合并(inner_join, left_join, right_join, full_join …)
> library(dplyr)
> DT1 = tbl_df(data.frame(a=rep(1:2, each=3), b=1:6))
> DT2 = tbl_df(data.frame(a=0:1, b=0:1, bb=10:11))
> inner_join(DT1, DT2, by=c("a", "b"))
# A tibble: 1 × 3
      a     b    bb
  <int> <int> <int>
1     1     1    11
> left_join(DT1, DT2, by=c("a", "b"))
# A tibble: 6 × 3
      a     b    bb
  <int> <int> <int>
1     1     1    11
2     1     2    NA
3     1     3    NA
4     2     4    NA
5     2     5    NA
6     2     6    NA

排序

返回排序结果 - sort

  • 语法

    sort(x, decreasing = FALSE, na.last = NA, ...)

  • 示例

    > sort(BOD$demand, decreasing = TRUE)  # 逆序
[1] 19.8 19.0 16.0 15.6 10.3  8.3

  • 只能用于向量或因子，不能对数据框排序

返回排序索引号 - order

  • 语法

    order(..., na.last = TRUE, decreasing = FALSE, method = c("shell", "radix"))

  • 示例

    > order(BOD$demand, decreasing = TRUE)  # 逆序
[1] 6 3 4 5 2 1
> BOD[order(BOD$demand, dec=TRUE), ]
  Time demand
6    7   19.8
3    3   19.0
4    4   16.0
5    5   15.6
2    2   10.3
1    1    8.3

更高效的排序法 - data.table::setorder

  • 语法
setorder(x, ..., na.last=FALSE)
setorderv(x, cols, order=1L, na.last=FALSE)
  • 示例
> DT <- data.table(
+   A=sample(3, 4, TRUE), 
+   B=sample(letters[1:3], 4, TRUE),
+   C=sample(4))
> DT
   A B C
1: 2 b 1
2: 2 a 4
3: 3 b 3
4: 1 c 2

> setorder(DT, A, -B)
> DT
   A B C
1: 1 c 2
2: 2 b 1
3: 2 a 4
4: 3 b 3
  • 等价于setorderv(DT, c("A", "B"), c(1, -1))

转换

行的增删插改

增行

  • 增加一行，直接录值

    > BOD[nrow(BOD)+1, ] <- c(8, 11)
> BOD
  Time demand
1    1    8.3
2    2   10.3
3    3   19.0
4    4   16.0
5    5   15.6
6    7   19.8
7    8   11.0

  • 搭个新数据框，rbind进旧数据框

删行

  • 切片取

    > BOD <- BOD[1:6, ]

  • 切片弃:

    > BOD <- BOD[-7, ]
> BOD
  Time demand
1    1    8.3
2    2   10.3
3    3   19.0
4    4   16.0
5    5   15.6
6    7   19.8

插入 (没有专门的插入函数)

  • 从插入点切成两部分Df1, Df2
  • data.table::rbindlist合并list(Df1, Df.new, Df2)
> newBOD <- data.frame(Time=6, demand=15)
> BOD <- data.table::rbindlist(list(
+   BOD[1:5, ], newBOD, BOD[6, ]), use.names=TRUE)
> BOD
   Time demand
1:    1    8.3
2:    2   10.3
3:    3   19.0
4:    4   16.0
5:    5   15.6
6:    6   15.0
7:    7   19.8

重排

  • 定义新的行索引号向量
  • 重新索引数据框
> index <- c(1, 2, 5, 4, 3, 6)
> BOD <- BOD[index, ]
> BOD
   Time demand
1:    1    8.3
2:    2   10.3
3:    5   15.6
4:    4   16.0
5:    3   19.0
6:    7   19.8
  • 在末尾添加新行，然后重排，也可实现插入

列的增删插改

增列

  • 直接录值

    > BOD$newCol <- TRUE
> BOD
   Time demand newCol
1:    1    8.3   TRUE
2:    2   10.3   TRUE
3:    3   19.0   TRUE
4:    4   16.0   TRUE
5:    5   15.6   TRUE
6:    7   19.8   TRUE

  • 搭个新数据框，merge或cbind进旧数据框

删列

  • 切片取:

    > BOD <- BOD[, c("Time", "demand")]

  • 切片弃:

    BOD <- BOD[, -3]

  • 设为NULL:

    BOD$newCol <- NULL

插入 (没有专门的插入函数)

  • 从插入点切成两部分Df1, Df2
  • do.call("cbind")合并Df1, 插入的数据框, Df2
> newDf <- data.frame(newCol=TRUE)
> do.call('cbind', list(BOD[,1], newDf, BOD[,2]))
   Time newCol demand
1:    1   TRUE    8.3
2:    2   TRUE   10.3
3:    3   TRUE   19.0
4:    4   TRUE   16.0
5:    5   TRUE   15.6
6:    7   TRUE   19.8

重排

  • 定义新的列索引号向量
  • 重新索引数据框
> newCol <- c("demand", "Time")
> BOD <- BOD[, newCol]
> BOD
   demand Time
1:    8.3    1
2:   10.3    2
3:   19.0    3
4:   16.0    4
5:   15.6    5
6:   19.8    7
  • 在末尾添加新列，然后重排，也可实现插入