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,]

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)