Data Frame一般被翻譯為數(shù)據(jù)框，感覺(jué)就像是R中的表，由行和列組成，與Matrix不同的是，每個(gè)列可以是不同的數(shù)據(jù)類(lèi)型，而Matrix是必須相同的。
Data Frame每一列有列名，每一行也可以指定行名。如果不指定行名，那么就是從1開(kāi)始自增的Sequence來(lái)標(biāo)識(shí)每一行。
初始化
使用data.frame函數(shù)就可以初始化一個(gè)Data Frame。比如我們要初始化一個(gè)student的Data Frame其中包含ID和Name還有Gender以及Birthdate，那么代碼為：
student<-data.frame(ID=c(11,12,13),Name=c("Devin","Edward","Wenli"),Gender=c("M","M","F"),Birthdate=c("1984-12-29","1983-5-6","1986-8-8”))
另外也可以使用read.table() read.csv()讀取一個(gè)文本文件，返回的也是一個(gè)Data Frame對(duì)象。讀取數(shù)據(jù)庫(kù)也是返回Data Frame對(duì)象。
查看student的內(nèi)容為：
? ID ? Name Gender ?Birthdate
1 ?11 ?Devin ? ? ?M 1984-12-29
2 ?12 Edward ? ? ?M ? 1983-5-6
3 ?13 ?Wenli ? ? ?F ? 1986-8-8
這里只指定了列名為ID，Name，Gender和Birthdate，使用names函數(shù)可以查看列名，如果要查看行名，需要用到row.names函數(shù)。這里我們希望將ID作為行名，那么可以這樣寫(xiě)：
row.names(student)<-student$ID
更簡(jiǎn)單的辦法是在初始化date.frame的時(shí)候，有參數(shù)row.names可以設(shè)置行名的向量。
訪(fǎng)問(wèn)元素
與Matrix一樣，使用[行Index,列Index]的格式可以訪(fǎng)問(wèn)具體的元素。
比如訪(fǎng)問(wèn)第一行:
student[1,]
訪(fǎng)問(wèn)第二列：
student[,2]
使用列的Index或者列名可以選取要訪(fǎng)問(wèn)的哪些列。比如要ID和Name，那么代碼為：
idname<-student[1:2]
或者是
idname<-student[c("ID","Name”)]
如果是只訪(fǎng)問(wèn)某一列，返回的是Vector類(lèi)型的，那么可以使用[[或者$來(lái)訪(fǎng)問(wèn)。比如我們要所有student的Name，代碼為：
name<-student[[2]]?或者name<-student[[“Name”]]?或者name<-student$Name
使用attach和detach函數(shù)可以使得訪(fǎng)問(wèn)列時(shí)不需要總是跟著變量名在前面。
比如要打印所有Name，那么可以寫(xiě)成：
attach(student)
print(Name)
detach(student)
還可以換一種簡(jiǎn)潔一點(diǎn)的寫(xiě)法就是用with函數(shù)：
with(student,{
n<-Name
print(n)
})
這里的n作用域只在大括號(hào)內(nèi)，如果想在with函數(shù)中對(duì)全局的變量進(jìn)行賦值，那么需要使用<<-這樣一個(gè)運(yùn)算符。
修改列數(shù)據(jù)類(lèi)型
接下來(lái)我們查看該對(duì)象每列的類(lèi)型，使用str(student)可以得到如下結(jié)果：
'data.frame':3 obs. of ?4 variables:
?$ ID ? ? ? : num ?1 2 3
?$ Name ? ? : Factor w/ 3 levels "Devin","Edward",..: 1 2 3
?$ Gender ? : Factor w/ 2 levels "F","M": 2 2 1
?$ Birthdate: Factor w/ 3 levels "1983-5-6","1984-12-29",..: 2 1 3
默認(rèn)情況下，字符串向量都會(huì)被自動(dòng)識(shí)別成Factor，也就是說(shuō)，ID是數(shù)字類(lèi)型，其他的3個(gè)列都被定義為Factor類(lèi)型了。顯然這里Name應(yīng)該是字符串類(lèi)型，Birthdate應(yīng)該是Date類(lèi)型，我們需要對(duì)列的數(shù)據(jù)類(lèi)型進(jìn)行更改：
student$Name<-as.character(student$Name)
student$Birthdate<-as.Date(student$Birthdate)
下面我們?cè)龠\(yùn)行str(student)看看修改后的結(jié)果：
'data.frame':3 obs. of ?4 variables:
?$ ID ? ? ? : num ?11 12 13
?$ Name ? ? : chr ?"Devin" "Edward" "Wenli"
?$ Gender ? : Factor w/ 2 levels "F","M": 2 2 1
?$ Birthdate: Date, format: "1984-12-29" "1983-05-06" "1986-08-08”
添加新列
對(duì)于以及存在的student對(duì)象，我們希望增加Age列，該列是根據(jù)Birthdate算出來(lái)的。首先需要知道怎么算年齡。我們可以使用日期函數(shù)Sys.Date()獲得當(dāng)前的日期，然后使用format函數(shù)獲得年份，然后用兩個(gè)年份相減就是年齡。好像R并沒(méi)有提供幾個(gè)能用的日期函數(shù)，我們只能使用format函數(shù)取出年份部分，然后轉(zhuǎn)換為int類(lèi)型相減。
student$Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(student$Birthdate,"%Y”))
這樣寫(xiě)似乎太長(zhǎng)了，我們可以用within函數(shù)，這個(gè)函數(shù)和之前提到過(guò)的with函數(shù)類(lèi)似，可以省略變量名，不同的地方是within函數(shù)可以在其中修改變量，也就是我們這里增加Age列：
student<-within(student,{
Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(Birthdate,"%Y"))
})
查詢(xún)/子集
查詢(xún)一個(gè)Date Frame，返回一個(gè)滿(mǎn)足條件的子集，這相當(dāng)于數(shù)據(jù)庫(kù)中的表查詢(xún)，是非常常見(jiàn)的操作。使用行和列的Index來(lái)獲取子集是最簡(jiǎn)單的方法，前面已經(jīng)提到過(guò)。如果我們使用布爾向量，配合which函數(shù)，可以實(shí)現(xiàn)對(duì)行的過(guò)濾。比如我們要查詢(xún)所有Gender為F的數(shù)據(jù)，那么我們首先對(duì)student$Gender==“F”，得到一個(gè)布爾向量:FALSE FALSE ?TRUE,然后使用which函數(shù)可以將布爾向量中TRUE的Index返回，所以我們的完整查詢(xún)語(yǔ)句就是：
student[which(student$Gender=="F"),]
注意這里列Index并沒(méi)有輸入，如果我們只想知道所有女生的年齡，那么可以改為：
student[which(student$Gender=="F"),"Age”]
這樣的查詢(xún)寫(xiě)法還是復(fù)雜了點(diǎn)，可以直接使用subset函數(shù)，那么查詢(xún)會(huì)簡(jiǎn)單些，比如我們把查詢(xún)條件改為年齡<30的女性，查姓名和年齡，那么查詢(xún)語(yǔ)句為：
subset(student,Gender=="F"&?Age<30,select=c("Name","Age"))
使用SQL查詢(xún)Data Frame
對(duì)于我這種使用了多年SQL的人來(lái)說(shuō)，如果能夠直接寫(xiě)SQL語(yǔ)句對(duì)Data Frame進(jìn)行查詢(xún)操作，那是多么方便美妙的啊，結(jié)果還真有這么一個(gè)包：sqldf。
同樣是前面的需求，對(duì)應(yīng)的語(yǔ)句就是：
library(sqldf)
result<-sqldf("select?Name,Age?from?student?where?Gender='F'?and?Age<30")
連接/合并
對(duì)于數(shù)據(jù)庫(kù)來(lái)說(shuō)，對(duì)多表進(jìn)行join查詢(xún)是一個(gè)很正常的事情，那么在R中也可以對(duì)多個(gè)Data Frame進(jìn)行連接，這就需要使用merge函數(shù)。
比如除了前面申明的student對(duì)象外，我們?cè)偕昝饕粋€(gè)score變量，記錄了每個(gè)學(xué)生的科目和成績(jī)：
score<-data.frame(SID=c(11,11,12,12,13),Course=c("Math","English","Math","Chinese","Math"),Score=c(90,80,80,95,96))
我們看看該表的內(nèi)容：
? SID ?Course Score
1 ?11 ? ?Math ? ?90
2 ?11 English ? ?80
3 ?12 ? ?Math ? ?80
4 ?12 Chinese ? ?95
5 ?13 ? ?Math ? ?96
這里的SID就是Student里面的ID，相當(dāng)于一個(gè)外鍵，現(xiàn)在要用這個(gè)ID進(jìn)行inner join操作，那么對(duì)應(yīng)的R語(yǔ)句就是：
result<-merge(student,score,by.x="ID",by.y="SID")
我們看看merge以后的結(jié)果：
?ID ? Name Gender ?Birthdate Age ?Course Score
1 11 ?Devin ? ? ?M 1984-12-29 ?31 ? ?Math ? ?90
2 11 ?Devin ? ? ?M 1984-12-29 ?31 English ? ?80
3 12 Edward ? ? ?M 1983-05-06 ?32 ? ?Math ? ?80
4 12 Edward ? ? ?M 1983-05-06 ?32 Chinese ? ?95
5 13 ?Wenli ? ? ?F 1986-08-08 ?29 ? ?Math ? ?96
正如我們期望的一樣join在了一起。
除了join，另外一個(gè)操作就是union，這也是數(shù)據(jù)庫(kù)常用操作，那么在R中如何將兩個(gè)列一樣的Data Frame Union聯(lián)接在一起呢？雖然R語(yǔ)言中有union函數(shù)，但是不是SQL的Union的意思，我們要實(shí)現(xiàn)Union功能，需要用到rbind函數(shù)。
rbind的兩個(gè)Data Frame必須有相同的列，比如我們?cè)偕昝饕粋€(gè)student2，將兩個(gè)變量rbind起來(lái)：
student2<-data.frame(ID=c(21,22),Name=c("Yan","Peng"),Gender=c("F","M"),Birthdate=c("1982-2-9","1983-1-16"),Age=c(32,31))
rbind(student,student2)
