数据结构 - 数据框 - 表格型数据的存储与处理

一、引言

在数据分析和统计领域，数据通常以表格的形式存在。R 语言中的数据框（data frame）就是专门用于存储和处理这类表格型数据的重要数据结构。数据框类似于电子表格或数据库中的表，每一列可以是不同的数据类型（如数值型、字符型、逻辑型等），而每一行则代表一个观测值。本文将深入探讨数据框的创建、访问、修改以及常见的处理操作，并通过实际的代码演示来加深理解。

二、数据框的创建

2.1 使用 `data.frame()` 函数创建

data.frame() 是创建数据框最常用的函数，我们可以通过指定列名和对应的数据来创建一个数据框。

# 创建一个简单的数据框
students <- data.frame(
  Name = c("Alice", "Bob", "Charlie"),
  Age = c(20, 21, 22),
  Gender = c("Female", "Male", "Male")
)
# 查看数据框
print(students)

上述代码创建了一个名为 students 的数据框，包含三列：Name（字符型）、Age（数值型）和 Gender（字符型）。运行代码后，会输出如下结果：

     Name Age Gender
1   Alice  20 Female
2     Bob  21   Male
3 Charlie  22   Male

2.2 从外部文件读取数据创建

除了手动创建，我们还可以从外部文件（如 CSV 文件）读取数据来创建数据框。

# 读取 CSV 文件
data <- read.csv("data.csv")
# 查看数据框的基本信息
str(data)

这里假设当前工作目录下存在一个名为 data.csv 的文件。read.csv() 函数会将 CSV 文件的内容读取为一个数据框，str() 函数用于查看数据框的基本信息，包括列名、数据类型和行数等。

三、数据框的访问

3.3 按列名访问

可以使用 $ 符号或 [[]] 来按列名访问数据框的某一列。

# 使用 $ 符号访问 Age 列
ages <- students$Age
print(ages)
# 使用 [[]] 访问 Gender 列
genders <- students[["Gender"]]
print(genders)

3.4 按行和列索引访问

使用 [行索引, 列索引] 的方式可以访问数据框中的特定元素或子集。

# 访问第 2 行第 3 列的元素
element <- students[2, 3]
print(element)
# 访问第 1 行和第 3 行的所有列
subset_rows <- students[c(1, 3), ]
print(subset_rows)
# 访问第 2 列和第 3 列的所有行
subset_cols <- students[, c(2, 3)]
print(subset_cols)

四、数据框的修改

4.1 修改列名

可以使用 names() 函数来修改数据框的列名。

# 修改列名
names(students) <- c("StudentName", "StudentAge", "StudentGender")
print(students)

4.2 添加新列

可以通过赋值的方式为数据框添加新列。

# 添加新列：成绩
students$Score <- c(85, 90, 78)
print(students)

4.3 删除列

可以使用 NULL 赋值的方式删除数据框中的某一列。

# 删除 Score 列
students$Score <- NULL
print(students)

五、数据框的常见处理操作

5.1 排序

使用 order() 函数可以对数据框按某一列进行排序。

# 按年龄升序排序
sorted_students <- students[order(students$StudentAge), ]
print(sorted_students)

5.2 筛选

可以使用逻辑条件来筛选数据框中的数据。

# 筛选出年龄大于 20 的学生
filtered_students <- students[students$StudentAge > 20, ]
print(filtered_students)

5.3 汇总统计

使用 summary() 函数可以对数据框进行汇总统计。

# 汇总统计
summary(students)

六、总结

操作	描述	示例代码
创建数据框	使用 `data.frame()` 函数或从外部文件读取	`students <- data.frame(Name = c("Alice", "Bob"), Age = c(20, 21))`
访问数据框	按列名或行和列索引	`students$Age` 或 `students[1, 2]`
修改数据框	修改列名、添加或删除列	`names(students) <- c("NewName", "NewAge")` 或 `students$Score <- c(80, 90)`
处理操作	排序、筛选、汇总统计	`students[order(students$Age), ]` 或 `students[students$Age > 20, ]` 或 `summary(students)`

数据框是 R 语言中处理表格型数据的核心数据结构，掌握数据框的创建、访问、修改和处理操作对于数据分析和统计工作至关重要。通过本文的介绍和代码演示，希望读者能够对数据框有更深入的理解和掌握。

数据结构 - 数据框 - 表格型数据的存储与处理