R语言数据框操作全解析

# R语言数据框操作全解析 ## 1. 数据框的组合操作 在数据清洗任务中，对数据框进行操作是常见的需求，其中组合两个数据框是非常普遍的操作。主要有三种组合数据框的方式：按列组合（水平组合）、按行组合（垂直堆叠）以及使用键匹配行（合并）。 ### 1.1 按列或按行组合数据框 #### 1.1.1 按列组合 按列组合数据框意味着将它们并排排列，得到一个“宽”的数据框，其列数是被组合数据框列数之和。可以使用`cbind()`函数，它也是连接矩阵的首选函数。也可以将两个数据框作为参数传递给`data.frame()`函数，R会将它们连接起来。 ```R # 示例代码 # 假设df1和df2是两个数据框 # 使用cbind()组合 combined_cbind <- cbind(df1, df2) # 使用data.frame()组合 combined_dataframe <- data.frame(df1, df2) ``` 需要注意的是，`cbind()`和`data.frame()`在处理字符向量时，默认会将其转换为因子，除非明确指定`stringsAsFactors = FALSE`参数。同时，最好确保被组合的数据框具有相同的行数。 #### 1.1.2 按行组合 按行组合数据框是将它们垂直堆叠，得到一个“高”的数据框，其行数是被组合数据框行数之和。可以使用`rbind()`函数来实现。 ```R # 示例代码 # 假设df1和df2是两个数据框 combined_rbind <- rbind(df1, df2) ``` 使用`rbind()`时，要求被组合的数据框具有相同的列数，列名也需要相同，但列的顺序可以不同，R会自动匹配列名。通常建议列的类型相同，否则R会将每列转换为一个公共类。在组合之前，需要检查列名和列的类型是否匹配。 ```R # 检查列名是否匹配 n1 <- names(df1) n2 <- names(df2) all(sort(n1) == sort(n2)) # 应该为TRUE # 检查列的类型是否匹配 c1 <- sapply(df1, class) c2 <- sapply(df2, class) isTRUE(all.equal(c1, c2[names(c1)])) # 应该为TRUE ``` 如果要组合大量的数据框，`do.call()`函数会很有用。它可以将一个函数名和一个参数列表作为输入，并使用这些参数运行该函数。 ```R # 示例代码 # 假设list.of.df是一个包含多个数据框的列表 combined_many <- do.call("rbind", list.of.df) ``` ### 1.2 合并数据框 合并是一种更复杂但功能强大的操作。通常，每个数据框都有一个“键”字段，通常是唯一的。`merge()`函数会匹配键，并生成一个每个键对应一行的数据框，包含两个数据框的所有列。 合并操作主要有以下几种情况： | 合并类型 | 描述 | | ---- | ---- | | 内连接（Inner Join） | 默认情况，结果包含两个数据框中都出现的键对应的行 | | 左连接（Left Join） | `all.x = TRUE, all.y = FALSE`，结果包含第一个数据框中所有键对应的行，第二个数据框中不存在的键对应的列用`NA`填充 | | 右连接（Right Join） | `all.x = FALSE, all.y = TRUE`，结果包含第二个数据框中所有键对应的行，第一个数据框中不存在的键对应的列用`NA`填充 | | 外连接（Outer Join） | `all.x = TRUE, all.y = TRUE`，结果包含两个数据框中所有键对应的行 | ```R # 示例代码 df1 <- data.frame(Key = letters[1:3], Value = 1:3, stringsAsFactors = FALSE) df2 <- data.frame(Key = c("a", "c", "f"), Origin = 101:103, stringsAsFactors = FALSE) # 内连接 merge(df1, df2, by = "Key") # 左连接 merge(df1, df2, by = "Key", all.x = TRUE) # 右连接 merge(df1 ```