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:创建一个空的data.frame,r,dataframe,r-faq,R,Dataframe,R Faq,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,] 它创建了一个data.frame,其中一行包含我想要的所有
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,其中一行包含我想要的所有数据类型和列名,但也创建了一个无用的行,然后需要删除该行
有更好的方法吗?只需使用空向量初始化它:
df <- data.frame(Date=as.Date(character()),
File=character(),
User=character(),
stringsAsFactors=FALSE)
下面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。
从一开始就有正确的列类型的意义上说,这种方法更安全一些,因此如果代码依赖于某些列类型检查,那么即使data.frame的行数为零,这种方法也可以工作。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作为输入文本,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包含类data的列表。框架:
nms <- sample(LETTERS,sample(1:10))
as.data.frame(t(matrix(nrow=length(nms),ncol=0,dimnames=list(nms))))
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
如果您已经有一个现有的数据框,比如说包含您想要的列的df,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,但空的_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))))
如果您想声明这样一个包含许多列的data.frame,那么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,这种方法简单快速,比其他解决方案快15%,可以这样推广: 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"
lapply将生成一个所需长度的列表,其中的每个元素都只是一个空类型的向量,如数字或整数
setDF通过引用将此列表转换为data.frame
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
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)
}
如果要在变量中创建带有动态名称colnames的空data.frame,这将有助于:
names <- c("v","u","w")
df <- data.frame()
for (k in names) df[[k]]<-as.numeric()
如果需要,也可以更改类型。比如:
names <- c("u", "v")
df <- data.frame()
df[[names[1]]] <- as.numeric()
df[[names[2]]] <- as.character()
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)
这个问题并没有具体解决我提出的问题,但如果有人想通过参数化的列数和不强制的方式来解决这个问题:
> 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
…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:
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)))
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)
如果我用NULL初始化所有字段,情况会一样吗?@yosukesabai:不,如果用NULL初始化列,则不会添加列:@yosukesabai:data.frame有类型化的列,因此是的,如果要初始化data.frame,则必须确定列的类型…@jxramos:嗯,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,但不是所有基元类型的示例
se它并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…也许您想在NAs上创建一个满的data.frame。。。在这种情况下,您可以使用data.frameDoubles=repas.doubleNA、numberOfRow、Ints=repas.integerNA、numberOfRow等。在这种情况下,列类型默认为每向量逻辑类型,但随后会被添加到df中的元素类型覆盖。请尝试strdf、df[1,1]甚至read.tabletext=。。。因此,您不需要显式打开连接。对于许多潜在的列来说,read.csv方法可能是最具扩展性/自动化的方法。read.csv方法也适用于readr::read\u csv,如read\u csvDate、File、User\n、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解析文本参数,以便获得列名。它比read更简洁。tabletext=,col.names=ccol1,col2I-get:data.frame…,check.names=FALSE中的错误:参数意味着不同的行数:0,2这不符合OP的要求,我想为每列指定数据类型,虽然它可能会被修改成这样。派对已经很晚了,但readr可以做到:read_csv2a;BCDe\n,col_types=icdDT。需要\n将其重新登录为字符串而不是文件或使用ca;BCDE作为奖励,列名不会被修改,例如col-1或为什么spacesDoesn不能真正满足OP的要求,我想为每个列指定数据类型并命名它们。如果下一步是rbind,这将很好地工作,如果不是…无论如何,感谢这个简单的解决方案。我还想用特定列初始化data.frame,因为我认为只有在两个data.frame之间的列对应时才能使用rbind。情况似乎并非如此。我很惊讶,在使用rbind时,我可以如此简单地初始化data.frame。谢谢。这是最好的解决方案。对于我来说,使用建议的方法,rbind.data.table通常包含.internal.selfref属性,如果不调用data.table函数,就无法伪造该属性。你确定你在这里不依赖未记录的行为吗?@AdamRyczkowski我认为你混淆了.Yes中的base data.frame类和add-on data.table类。肯定我的错。忽略我最后的评论。我在搜索data.table时遇到了这个线程,并假设Google确实找到了我想要的,这里的所有内容都与data.table相关。@PatrickT没有检查您的代码是否有意义。data.frame提供对命名、行名等的检查。这不符合OP的要求,我想为每个列指定数据类型。这不符合OP的要求,我想为每个列指定数据类型。不保留任何行,但保留所有列。不管是谁投了否决票,都错过了一些东西。很好的解决方案,但是我发现我得到了一个0行的数据帧。为了保持数据帧的大小不变,我建议使用新的_df=df[NA,]。这还允许将以前的任何列存储到新的数据帧中。例如,要从原始df中获取日期列,同时保持rest NA:new_df$Date@Katya,如果您使用df[NA],这也会影响索引,这不太可能是您想要的,我将使用df[TRUE,]=NA;但是请注意,这将覆盖原始文件。您需要复制数据帧,首先复制_df=data.framedf,然后复制_df[TRUE,]=NA@Katya,或者您也可以使用empty_df[0:nrowdf,]@Katya轻松地将空行添加到空的_df中,您可以在希望标记为代码的内容周围使用反引号,还有其他内容,例如使用*的斜体字和使用**的粗体字。你可能想读所有的书。不过,其中大部分只对答案有意义。
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)