Lag en dataaframe i r
En dataaframe må oppfylle noen egenskaper som vi har nevnt i dette avsnittet. Kolonnene i DataFrame må navngis og ikke være tomme. Hver rad i DataFrame må kalles unikt.
Opprette DataFrame i r
R -programmering gir forskjellige metoder for å lage en dataaframe. Vi kan konstruere en dataaframe ved å bruke vektorene fra en annen dataaframe og ved å importere en fil. I denne artikkelen vil vi diskutere disse teknikkene som vil hjelpe deg med å lære konseptet med å lage en dataaframe i r.
Bruke vektorer for å lage en dataaframe i r
R -programmering lar deg bygge en dataaframe ved å bruke vektorer som er like i størrelse. For dette formålet gir R deg en innebygd funksjon “Data.ramme()".Denne funksjonen kan fange så mange vektorer som vi ønsker.
Følgende er syntaks for å kalle denne funksjonen:
df <- data.frame(v1, v2, v3, v4)I en hvilken som helst dataaframe, En kolonne er representert med hver vektor, og antall rader vil bli bestemt av lengden på en hvilken som helst vektor.
Det er to måter å generere en dataaframe ved hjelp av vektorer, en ved å lage de nødvendige vektorene og deretter sende dem til “Data.ramme () ”-funksjon. Og den videre erstatningen er å direkte gi vektorene til “dataene.ramme () ”funksjon og tilordne dem verdier inne i funksjonstagningene.
Vi vil hjelpe deg å forstå begge metodene ved å demonstrere praktiske eksempler i RStudio i Ubuntu 20.04.
Vi vil utføre et eksempel for å lage en dataaframe fra vektorer. Vi vil først opprette vektorer og deretter passere dem alle som en parameter for “Data.ramme()".
I programmet vi har demonstrert i bildet ovenfor, brukte vi fire-vektorer. Alle vektorene opprettes ved hjelp av “C ()” -funksjonen. Den første vektoren vi genererte er "Navn", som vil lagre navnene på 3 personer som har karaktertypeverdier. Den andre vektoren er "språk" og lagrer navnene på 3 programmeringsspråk. Det lagrer også karakterdatatyper. Vår tredje vektor er "alder", som lagrer numeriske datatyper. Den siste vektoren, "kjønn", lagrer også 3 verdier av karakterdatatype. Alle de 4 vektorene sendes til “Dataene. ramme () ”-funksjon som parameter. "DF" DataFrame lagret utdataene fra “Dataene.ramme () ”funksjon i den. I det aller siste trinnet i koden brukte vi "print ()" -uttalelsen for å vise utdataene.
Den resulterende DataFrame har 4 kolonner, som hver har samme størrelse av vektorer.
Den andre alternative metoden for å generere en dataaframe i R ved hjelp av vektorene er at du kan gi vektorer verdier i “Data.ramme () ”-funksjon.
Dette kodebiten opprettet ganske enkelt vektorer og tildelte dem verdier i kroppen til “Data.Frame () ”-funksjon og lagret denne funksjonen i DataFrame“ DF.”“ Print () ”viste utdataene.
Den resulterende tabellen gir den samme utgangen, som kan sees på bildet nedenfor.
Det er verdt å gjenta at for å generere en dataaframe fra en liste over vektorer, må hver vektor på listen ha samme mengde elementer; ellers vil skriptet rapportere en feil.
Bruker andre dataframes for å lage et dataaframe
Å lage en dataaframe ved å bruke to eller flere DataFrame er en annen teknikk brukt i R -programmering. Vi kan gjøre for gruppering av kolonner med en datafram til en annen, så vel som for å bli med i radene.
Vi vil utføre to programmer her, det ene for den horisontale gruppering og den andre for vertikal gruppering.
For kolonnene er funksjonen vi vil bruke “CBIND ().”La oss lage 2 dataframmer først og deretter kombinere dem ved å bruke" CBIND () "-funksjonen.
I den første delen av kode vil det bli konstruert 2 kolonner, og verdiene lagres i DataFrame “DF1”.
Den resulterende tabellen gir den samme utgangen, som kan sees på bildet nedenfor.
En annen dataaframe, "DF2," genereres med 2 kolonner, "Alder" og "Kjønn.”
Den resulterende tabellen gir den samme utgangen, som kan sees på bildet nedenfor.
En dataaframe “DF3 'er konstruert og bruker“ CBIND () ”-funksjonen for å kombinere“ DF1 ”og“ DF2 ”.
Den ultimate utgangen viser en tabell generert fra å slå sammen de to dataframene.
Tilsvarende, for å lage DataFrame -radene, kan vi bruke "RBIND ()" -funksjonen. Inne. Denne funksjonen vil sammenkoble de to mindre vertikale dataframene i en hel tabell. Husk at antall rader må være det samme for alle dataframene du vil lage.
Leser en fil i en dataaframe
Bortsett fra å generere en dataaframe, er det noen flere ting du kan gjøre. Vi kan importere et tabulært datasett og lagre det som en dataaframe. Det er den hyppigste metoden for å konstruere en dataaframe i R -programmering.
Vi har opprettet en CSV -fil, lagrede verdier i tabellformat, og kalt den “tabell.CSV.”Vi har lagret denne filen i vår" dokumenter "-mappe. I RStudio vil vi lese den ved hjelp av “Les.CSV () ”-funksjon som en ny DataFrame som heter“ Tabell.”
For å lese en CSV -fil i RStudio, er det første du trenger å gjøre å sette opp din nåværende arbeidskatalog. Ved å bruke funksjonen "getwd ()" kan du finne din nåværende arbeidskatalog. I det neste trinnet må du sette katalogen din dit du har lagret ".CSV ”-fil. Hvis du ikke vurderer disse trinnene, vil du få en feil mens du sliter med å lese filen.
Når du riktig angitt banen til den gjeldende arbeidskatalogen til katalogen der du har lagret CSV -filen din, vil du nå bruke "Les.CSV () ”-funksjon. Skrive den ".CSV ”filnavn med et anførselstegn (“ ”) inne i“ Les.CSV () ”og bruk et DataFrame med hvilket navn du vil lagre verdiene.
Dataene vi har lagret i CSV -filen vår vises her.
Konklusjon
I dagens emne utforsket vi opprettelsen av Dataframes. Dataframes er nødvendige strukturer for R -programmering. Vi har diskutert forskjellige måter å konstruere DataFrames i RStudio i Ubuntu 20.04 Miljø ved å utdype hvert med et hendig eksempel. Å sette praktisk praksis til disse eksempelkodene vil ikke bare introdusere deg for behovet for å bruke DataFrames, men også de alternative måtene å bygge dem.