在R语言中，数据框（data frame）组织数据的结构与矩阵相似，但是其各列的数据类型可以不相同。一般情况，数据框的每列是一个变量，每行是一个观测样本。虽然，数据框内不同的列可以是不同的数据模式，但是数据框内每列的长度必须相同。

创建数据框

在R语言中，数据框使用data.frame()函数来创建，其格式如下：

data.frame(col1, col2, ..., row.name=NULL, check.rows = FALSE, check.names=TRUE, stringsAsFactors = default.stringsAsFactors())

其中，row.name用于指定各行（样本）的名称，默认没有名称，使用从1开始自增的序列来标识每一行；

check.rows用于用来检查行的名称和数量是否一致，默认为FALSE；

check.names来检查变量（列）的名称是否唯一且符合语法，默认为TRUE；

用来描述是否将字符型向量自动转换为因子，默认转换，若不改变的话使用stringsAsFactors = FALSE来指定即可。

下面用几个例子来说明：

（1）df1 <- data.frame(name = c("王宏", "马兰", "刘涛", "张峰"), sex=c("男", "女", "男", "男"), score=c(90, 85, 82, 93))

（2）df2<-data.frame(name=c("王宏", "马兰", "刘涛", "张峰"), sex=c("男", "女", "男", "男"), score=c(90, 85, 82, 93), row.names=c("s1", "s2", "s3", "s4"))

（3）使用向量定义数据框

name <- c("王宏", "马兰", "刘涛", "张峰") #向量

sex <- c("男", "女", "男", "男") #向量

score <- c(90, 85, 82, 93) #向量

df3<-data.frame(name, sex, score) #使用向量生成数据框

（4）使用列表来定义数据框

lst<-list(name=c("王宏","马兰","刘涛","张峰"), sex=c("男", "女", "男", "男"), score=c(90, 85, 82, 93))

df4<-as.data.frame(lst)

（5）使用数组来定义数据框

arr1 <- array(1:12,c(4,3))

df5 <- as.data.frame(arr1) #使用数组生成数据框

可以看出，数组若没有指定列名，则以"V1","V2”......进行代替。下面再给出一个数组带行名和列名的例子

arr2<- array(1:12, c(4,3), dimnames=list(c("R1", "R2", "R3", "R4"), c("C1","C2","C3")))

df6 <- as.data.frame(arr2)

（6）使用矩阵定义数据框

m1 <- matrix(c(1:12), nr=3)

df7<- as.data.frame(m1)

m2<-matrix(c(1:12), nr=3, dimnames=list(c("R1", "R2", "R3")))

df8<-as.data.frame(m2)

m3<-matrix(c(1:12), nr=3, dimnames = list(c(), c("C1","C2","C3","C4")))

df9<-as.data.frame(m3)

同样，使用矩阵生成数据库时，若没给出矩阵的列名来，默认使用V1,V2,...

数据框的引用

（1）df1["score"] #仍为一个数据框, 也是一个列表

（2）df1[,"score"] #返回的是向量

（3）df1[3] #同（1）

（4）df1[,3] #同（2）

（5）df1[c(1,3)] #返回第1列和第3列的数据

（6）df1[c(1,3),] #返回第1行和第3行的数据

（7）df1[c(1,3),c(2,3)] #返回第1行和第3行与第2列和第3列交叉处的数据

（8）df1$name #以因子的形式返回name列

（9）df1[["name"]] #以因子的形式返回name列

（10）df1[[1]][1] #返回第1分量的第一个元素值，王宏

（11）df1[['name']][1] #返回name分量第一个元素值：王宏

（12）df1$name[1] #返回name分量第一个元素值：王宏

数据框的修改

（1）增加样本数据或变量

可以使用rbind()函数和cbind()函数将新行或新列添加到数据框变量中。

lst1<-list(name="马宇",sex="男",score=92) #创建一个新列表

df1<-rbind(df1, as.data.frame(lst1)) #将列表lst1添加到df1中

lst2<-list(height=c(170,178,185,190,178,175)) #创建一个新列表，保存身高

df1<-cbind(df1,lst2) #使用cbind将lst2添加到df1中

（2）修改某列的某一个值

df1$name[1] <- "王宏伟" #将王宏的值修改为王宏伟

df1[1,2] <- "女" #将第一行第2列的值修改为“女”

df1[[1]][2]<-"马兰兰" #将第一列第二个值改为“马兰兰”

在上面这种操作情况下，在创建数据框时，需要将参数stringsAsFactors指定为FALSE，否则会报错。

（3）删除行或列

df1<-df1[-2,] #删除第2行数据

df1<-df1[,-3] #删除第3列的数据

df1<-df1[-c(1,3),] #删除第1行和第3行的数据

df1<-df1[,-c(1,4)] #删除第1列和第4列的数据

从这个结果来看，如果删除的列不存在，R不会报错。

欢迎关注本号，本号近期将持续更新R语言方面的文章，内容从简入深，从基本语法到具体的数据分析应用。如你喜欢，请关注，请点赞。