我正在尝试初始化没有任何行的 data.frame。基本上,我想为每列指定数据类型并命名它们,但没有创建任何行作为结果。
到目前为止,我能做的最好的事情是:
df <- data.frame(Date=as.Date("01/01/2000", format="%m/%d/%Y"),
File="", User="", stringsAsFactors=FALSE)
df <- df[-1,]
它创建了一个 data.frame ,其中包含我想要的所有数据类型和列名的单行,但也创建了一个无用的行,然后需要将其删除。
有一个更好的方法吗?
只需用空向量初始化它:
df <- data.frame(Date=as.Date(character()),
File=character(),
User=character(),
stringsAsFactors=FALSE)
这是另一个具有不同列类型的示例:
df <- data.frame(Doubles=double(),
Ints=integer(),
Factors=factor(),
Logicals=logical(),
Characters=character(),
stringsAsFactors=FALSE)
str(df)
> str(df)
'data.frame': 0 obs. of 5 variables:
$ Doubles : num
$ Ints : int
$ Factors : Factor w/ 0 levels:
$ Logicals : logi
$ Characters: chr
注意:
使用错误类型的空列初始化 data.frame
不会阻止进一步添加具有不同类型列的行。
这种方法只是有点更安全,因为您将从一开始就具有正确的列类型,因此如果您的代码依赖于某些列类型检查,它甚至可以使用具有零行的 data.frame
。
如果您已经有一个现有的数据框,假设 df
包含您想要的列,那么您可以通过删除所有行来创建一个空数据框:
empty_df = df[FALSE,]
请注意,df
仍包含数据,但 empty_df
不包含。
我发现这个问题是在寻找如何创建一个空行的新实例,所以我认为它可能对某些人有帮助。
df[NA,]
这也会影响索引(这不太可能是你想要的),我会改用 df[TRUE,] = NA
;但是请注意,这将覆盖原始文件。您需要先复制数据框 copy_df = data.frame(df)
,然后再复制 copy_df[TRUE,] = NA
empty_df[0:nrow(df),] <- NA
轻松地将空行添加到 empty_df
。
您可以在不指定列类型的情况下执行此操作
df = data.frame(matrix(vector(), 0, 3,
dimnames=list(c(), c("Date", "File", "User"))),
stringsAsFactors=F)
您可以将 read.table
与空字符串一起用于输入 text
,如下所示:
colClasses = c("Date", "character", "character")
col.names = c("Date", "File", "User")
df <- read.table(text = "",
colClasses = colClasses,
col.names = col.names)
或者将 col.names
指定为字符串:
df <- read.csv(text="Date,File,User", colClasses = colClasses)
感谢 Richard Scriven 的改进
read.table(text = "", ...)
,因此您无需显式打开连接。
read.csv
方法也适用于 readr::read_csv
,如 read_csv("Date,File,User\n", col_types = "Dcc")
。这样,您可以直接创建所需结构的空 tibble。
只需声明
table = data.frame()
当您尝试 rbind
第一行时,它将创建列
rbind
,如果不是...
rbind()
完美配合。
最有效的方法是使用 structure
创建一个具有类 "data.frame"
的列表:
structure(list(Date = as.Date(character()), File = character(), User = character()),
class = "data.frame")
# [1] Date File User
# <0 rows> (or 0-length row.names)
为了与目前接受的答案相比,这是一个简单的基准:
s <- function() structure(list(Date = as.Date(character()),
File = character(),
User = character()),
class = "data.frame")
d <- function() data.frame(Date = as.Date(character()),
File = character(),
User = character(),
stringsAsFactors = FALSE)
library("microbenchmark")
microbenchmark(s(), d())
# Unit: microseconds
# expr min lq mean median uq max neval
# s() 58.503 66.5860 90.7682 82.1735 101.803 469.560 100
# d() 370.644 382.5755 523.3397 420.1025 604.654 1565.711 100
data.table
通常包含一个 .internal.selfref
属性,如果不调用 data.table
函数就无法伪造该属性。你确定你不依赖这里的无证行为吗?
data.table
时遇到了这个线程,并假设 Google 确实找到了我想要的内容,并且这里的所有内容都与 data.table
相关。
data.frame()
提供对命名、行名等的检查。
如果您正在寻找短促:
read.csv(text="col1,col2")
所以你不需要单独指定列名。在填充数据框之前,您将获得默认的列类型逻辑。
Error in data.frame(..., check.names = FALSE) : arguments imply differing number of rows: 0, 2
readr
可以做到:read_csv2("a;b;c;d;e\n", col_types = "icdDT")
。需要有 \n
来识别它是字符串而不是文件(或使用 c("a;b;c;d;e", "")
。作为奖励列名不会被修改(例如 col-1
或 why spaces
)
我使用以下代码创建了空数据框
df = data.frame(id = numeric(0), jobs = numeric(0));
并尝试绑定一些行以填充如下。
newrow = c(3, 4)
df <- rbind(df, newrow)
但它开始给出不正确的列名,如下所示
X3 X4
1 3 4
解决方案是将 newrow 转换为 df 类型,如下所示
newrow = data.frame(id=3, jobs=4)
df <- rbind(df, newrow)
现在在显示列名时给出正确的数据框,如下所示
id nobs
1 3 4
要创建一个空数据框,请将所需的行数和列数传递给以下函数:
create_empty_table <- function(num_rows, num_cols) {
frame <- data.frame(matrix(NA, nrow = num_rows, ncol = num_cols))
return(frame)
}
要在指定每列的类的同时创建一个空框架,只需将所需数据类型的向量传递给以下函数:
create_empty_table <- function(num_rows, num_cols, type_vec) {
frame <- data.frame(matrix(NA, nrow = num_rows, ncol = num_cols))
for(i in 1:ncol(frame)) {
print(type_vec[i])
if(type_vec[i] == 'numeric') {frame[,i] <- as.numeric(frame[,i])}
if(type_vec[i] == 'character') {frame[,i] <- as.character(frame[,i])}
if(type_vec[i] == 'logical') {frame[,i] <- as.logical(frame[,i])}
if(type_vec[i] == 'factor') {frame[,i] <- as.factor(frame[,i])}
}
return(frame)
}
使用如下:
df <- create_empty_table(3, 3, c('character','logical','numeric'))
这使:
X1 X2 X3
1 <NA> NA NA
2 <NA> NA NA
3 <NA> NA NA
要确认您的选择,请运行以下命令:
lapply(df, class)
#output
$X1
[1] "character"
$X2
[1] "logical"
$X3
[1] "numeric"
如果您想使用动态名称(变量中的列名)创建一个空的 data.frame,这可能会有所帮助:
names <- c("v","u","w")
df <- data.frame()
for (k in names) df[[k]]<-as.numeric()
如果需要,您也可以更改类型。喜欢:
names <- c("u", "v")
df <- data.frame()
df[[names[1]]] <- as.numeric()
df[[names[2]]] <- as.character()
如果您不介意不明确指定数据类型,您可以这样做:
headers<-c("Date","File","User")
df <- as.data.frame(matrix(,ncol=3,nrow=0))
names(df)<-headers
#then bind incoming data frame with col types to set data types
df<-rbind(df, new_df)
通过使用 data.table
,我们可以为每一列指定数据类型。
library(data.table)
data=data.table(a=numeric(), b=numeric(), c=numeric())
如果您想声明这样一个包含许多列的 data.frame
,手动键入所有列类可能会很痛苦。特别是如果您可以使用 rep
,这种方法既简单又快速(比可以这样概括的其他解决方案快 15% 左右):
如果您想要的列类在向量 colClasses
中,您可以执行以下操作:
library(data.table)
setnames(setDF(lapply(colClasses, function(x) eval(call(x)))), col.names)
lapply
将生成所需长度的列表,其中每个元素只是一个空类型向量,如 numeric()
或 integer()
。
setDF
通过引用 data.frame
将此 list
转换。
setnames
通过引用添加所需的名称。
速度比较:
classes <- c("character", "numeric", "factor",
"integer", "logical","raw", "complex")
NN <- 300
colClasses <- sample(classes, NN, replace = TRUE)
col.names <- paste0("V", 1:NN)
setDF(lapply(colClasses, function(x) eval(call(x))))
library(microbenchmark)
microbenchmark(times = 1000,
read = read.table(text = "", colClasses = colClasses,
col.names = col.names),
DT = setnames(setDF(lapply(colClasses, function(x)
eval(call(x)))), col.names))
# Unit: milliseconds
# expr min lq mean median uq max neval cld
# read 2.598226 2.707445 3.247340 2.747835 2.800134 22.46545 1000 b
# DT 2.257448 2.357754 2.895453 2.401408 2.453778 17.20883 1000 a
它也比以类似方式使用 structure
更快:
microbenchmark(times = 1000,
DT = setnames(setDF(lapply(colClasses, function(x)
eval(call(x)))), col.names),
struct = eval(parse(text=paste0(
"structure(list(",
paste(paste0(col.names, "=",
colClasses, "()"), collapse = ","),
"), class = \"data.frame\")"))))
#Unit: milliseconds
# expr min lq mean median uq max neval cld
# DT 2.068121 2.167180 2.821868 2.211214 2.268569 143.70901 1000 a
# struct 2.613944 2.723053 3.177748 2.767746 2.831422 21.44862 1000 b
如果您已经有一个数据框,您可以从数据框中提取元数据(列名和类型)(例如,如果您正在控制一个仅由某些输入触发并且需要一个空的虚拟数据框的 BUG):
colums_and_types <- sapply(df, class)
# prints: "c('col1', 'col2')"
print(dput(as.character(names(colums_and_types))))
# prints: "c('integer', 'factor')"
dput(as.character(as.vector(colums_and_types)))
然后使用 read.table
创建空数据框
read.table(text = "",
colClasses = c('integer', 'factor'),
col.names = c('col1', 'col2'))
我随时使用此功能,并更改列名和类以适应用例:
make_df <- function() { data.frame(name=character(),
profile=character(),
sector=character(),
type=character(),
year_range=character(),
link=character(),
stringsAsFactors = F)
}
make_df()
[1] name profile sector type year_range link
<0 rows> (or 0-length row.names)
假设您的列名是动态的,您可以创建一个空的行命名矩阵并将其转换为数据框。
nms <- sample(LETTERS,sample(1:10))
as.data.frame(t(matrix(nrow=length(nms),ncol=0,dimnames=list(nms))))
这个问题没有具体解决我的担忧(概述 here),但如果有人想用参数化的列数而不强制执行此操作:
> require(dplyr)
> dbNames <- c('a','b','c','d')
> emptyTableOut <-
data.frame(
character(),
matrix(integer(), ncol = 3, nrow = 0), stringsAsFactors = FALSE
) %>%
setNames(nm = c(dbNames))
> glimpse(emptyTableOut)
Observations: 0
Variables: 4
$ a <chr>
$ b <int>
$ c <int>
$ d <int>
正如 divibisan 在相关问题上所说,
... [强制] 发生 [当 cbinding 矩阵及其组成类型时] 的原因是矩阵只能具有单一数据类型。当您 cbind 2 个矩阵时,结果仍然是一个矩阵,因此在转换为 data.frame 之前,所有变量都被强制转换为单一类型
不定期副业成功案例分享
data.frame
有类型的列,所以是的,如果你想初始化一个data.frame
,你必须决定列的类型......data.frame(Doubles=rep(as.double(NA),numberOfRow), Ints=rep(as.integer(NA),numberOfRow))
data has 0
行错误的情况下附加到这样的数据框?