创建一个空的data.frame

我正在尝试初始化没有任何行的data.frame。基本上，我想为每一列指定数据类型并命名它们，但不会因此创建任何行

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,]

---

df只需使用空向量初始化它：

df <- data.frame(Date=as.Date(character()),
                 File=character(), 
                 User=character(), 
                 stringsAsFactors=FALSE) 

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)

您可以使用带有空字符串的
read.table
作为输入
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)

感谢Richard Scriven的改进
如果您正在寻找缺点：

read.csv(text="col1,col2")

因此，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。
最有效的方法是使用
结构创建一个包含类
“data.frame”
的列表：

nms <- sample(LETTERS,sample(1:10))
as.data.frame(t(matrix(nrow=length(nms),ncol=0,dimnames=list(nms))))

结构（列表（日期=as.Date（character（）），文件=character（），用户=character（）），
class=“data.frame”）
#[1]日期文件用户
#（或长度为0的行名称）

与目前公认的答案相比，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

s如果已经有了一个现有的数据框，比如说
df
，它包含了您想要的列，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
仍然包含数据，但是
empty\u df
不包含数据

我发现这个问题是关于如何创建空行的新实例的，因此我认为它可能对某些人有所帮助。
只需声明即可

table = data.frame()

当您尝试
rbind
第一行时，它将创建列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相同的行，如下所示

newrow = c(3, 4)
df <- rbind(df, newrow)

解决方法是将newrow转换为df类型，如下所示

newrow = data.frame(id=3, jobs=4)
df <- rbind(df, newrow)

假设列名是动态的，则可以创建一个名为matrix的空行，并将其转换为数据帧

nms <- sample(LETTERS,sample(1:10))
as.data.frame(t(matrix(nrow=length(nms),ncol=0,dimnames=list(nms))))

nms如果要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麻烦。特别是如果您可以使用
rep
，这种方法简单快捷（比其他类似的解决方案快15%）：

如果所需的列类位于向量
colClasses
中，则可以执行以下操作：

library(data.table)
setnames(setDF(lapply(colClasses, function(x) eval(call(x)))), col.names)

lapply(df, class)

#output
$X1
[1] "character"

$X2
[1] "logical"

$X3
[1] "numeric"

lappy
将生成所需长度的列表，其中的每个元素都只是一个空类型的向量，如
numeric（）
或
integer（）

setDF
通过引用
data.frame
来转换此
列表

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 

若要创建空数据框，请将所需的行数和列数传入以下函数：

create_empty_table <- function(num_rows, num_cols) {
    frame <- data.frame(matrix(NA, nrow = num_rows, ncol = num_cols))
    return(frame)
}

如果要使用动态名称（变量中的colnames）创建空data.frame，这将有助于：

names <- c("v","u","w")
df <- data.frame()
for (k in names) df[[k]]<-as.numeric()

names如果不介意显式指定数据类型，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)

headers这个问题并没有专门解决我的问题（概述），但如果有人想使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>

>需要（dplyr）
>dbNames emptyTableOut%
集合名（nm=c（数据库名））
>一瞥（清空表格）
观察结果：0
变量：4
一美元
b美元
$c
美元

正如divibisan在相关问题上所说

…发生[强制]的原因[当C绑定矩阵及其组成类型时]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a
矩阵，所以变量在之前都被强制为一个类型
转换为data.frame

通过使用
data.table
我们可以为每列指定数据类型

library(data.table)    
data=data.table(a=numeric(), b=numeric(), c=numeric())

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只由某些输入触发的错误，并且需要一个空的虚拟数据框）：

我随时准备使用此函数，并根据使用情况更改列名和类：

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)

make_df如果我用NULL初始化所有字段会是一样的吗？@yosukesabai:不，如果你用NULL初始化一个列，该列将不会被添加：）@yosukesabai:
data.frame
有类型化的列，所以是的，如果你想初始化
data.frame
你必须决定列的类型…@jxramos:，实际上，
data.frame
对列类型的“原始性”并没有真正的限制（例如，您可以添加日期列，甚至可以添加包含元素列表的列）。此外，这个问题并不是绝对的参考，因为例如，如果您没有指定正确的列类型，您将不会阻止进一步添加具有不同类型列的行。。。因此，我将添加一个注释，但不是一个所有基本类型的示例，因为它没有涵盖所有的可能性…@user4050：问题是关于创建一个空的data.frame，所以当行数为零时…也许您希望在NAs上创建一个data.frame full。。。在这种情况下，您可以使用例如
data.frame（Doubles=rep（as.double（NA），numberOfRow），Ints=rep（as.integer（NA），numberOfRow））
在这种情况下，列类型默认为logical per vector（），但随后会被添加到df中的元素类型覆盖。尝试str（df）、df[1,1]甚至
read.table（text=“”，…）
，这样就不需要显式打开连接了。对于许多潜在的专栏来说，这可能是最具扩展性/自动化的方法。
read.csv
方法也适用于
readr:：read\u csv
，如
read\u csv（“日期、文件、用户”，col\u types=“Dcc”）
。通过这种方式，您可以直接创建所需结构的空TIBLE.read.csv parse
df <- create_empty_table(3, 3, c('character','logical','numeric'))

   X1  X2 X3
1 <NA> NA NA
2 <NA> NA NA
3 <NA> NA NA

lapply(df, class)

#output
$X1
[1] "character"

$X2
[1] "logical"

$X3
[1] "numeric"

names <- c("v","u","w")
df <- data.frame()
for (k in names) df[[k]]<-as.numeric()

names <- c("u", "v")
df <- data.frame()
df[[names[1]]] <- as.numeric()
df[[names[2]]] <- as.character()

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)

> 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>

library(data.table)    
data=data.table(a=numeric(), b=numeric(), c=numeric())

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)))

read.table(text = "",
   colClasses = c('integer', 'factor'),
   col.names = c('col1', 'col2'))

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)