student$Name
student$Birthdate
下面我们再运行str(student)看看修改后的结果:
‘data.frame’:3 obs. of 4
variables:
$ ID : num 11 12 13
$ Name : chr “Devin” “Edward” “Wenli”
$ Gender : Factor w/ 2
levels “F”,”M”: 2 2 1
$ Birthdate: Date, format: “1984-12-29”
“1983-05-06” “1986-08-08”
添加新列
对于以及存在的student对象,我们希望增加Age列,该列是根据Birthdate算出来的。首先需要知道怎么算年龄。我们可以使用日期函数Sys.Date()获得当前的日期,然后使用format函数获得年份,然后用两个年份相减就是年龄。好像R并没有提供几个能用的日期函数,我们只能使用format函数取出年份部分,然后转换为int类型相减。
student$Age
这样写似乎太长了,我们可以用within函数,这个函数和之前提到过的with函数类似,可以省略变量名,不同的地方是within函数可以在其中修改变量,也就是我们这里增加Age列:
student
Age
})
查询/子集
查询一个Date
Frame,返回一个满足条件的子集,这相当于数据库中的表查询,是非常常见的操作。使用行和列的Index来获取子集是最简单的方法,前面已经提到过。如果我们使用布尔向量,配合which函数,可以实现对行的过滤。比如我们要查询所有Gender为F的数据,那么我们首先对student$Gender==“F”,得到一个布尔向量:FALSE
FALSE
TRUE,然后使用which函数可以将布尔向量中TRUE的Index返回,所以我们的完整查询语句就是:
student[which(student$Gender==”F”),]
注意这里列Index并没有输入,如果我们只想知道所有女生的年龄,那么可以改为:
student[which(student$Gender==”F”),”Age”]
这样的查询写法还是复杂了点,可以直接使用subset函数,那么查询会简单些,比如我们把查询条件改为年龄<30的女性,查姓名和年龄,那么查询语句为:
subset(student,Gender==”F” & Age<30
,select=c(“Name”,”Age”))
使用SQL查询Data Frame
对于我这种使用了多年SQL的人来说,如果能够直接写SQL语句对Data
Frame进行查询操作,那是多么方便美妙的啊,结果还真有这么一个包:sqldf。
同样是前面的需求,对应的语句就是:
library(sqldf)
result
student where Gender=’F’ and Age<30”)
连接/合并
对于数据库来说,对多表进行join查询是一个很正常的事情,那么在R中也可以对多个Data
Frame进行连接,这就需要使用merge函数。
比如除了前面申明的student对象外,我们再申明一个score变量,记录了每个学生的科目和成绩:
score
我们看看该表的内容:
SID Course Score
1 11 Math 90
2 11 English
80
3 12 Math 80
4 12 Chinese
95
5 13 Math 96
这里的SID就是Student里面的ID,相当于一个外键,现在要用这个ID进行inner
join操作,那么对应的R语句就是:
result
我们看看merge以后的结果:
ID Name Gender
Birthdate Age Course Score
1 11 Devin
M
1984-12-29 31 Math 90
2 11 Devin
M
1984-12-29 31 English 80
3 12 Edward M 1983-05-06
32 Math
80
4 12 Edward M 1983-05-06
32 Chinese 95
5 13 Wenli
F
1986-08-08 29 Math 96
正如我们期望的一样join在了一起。
除了join,另外一个操作就是union,这也是数据库常用操作,那么在R中如何将两个列一样的Data Frame
Union联接在一起呢?虽然R语言中有union函数,但是不是SQL的Union的意思,我们要实现Union功能,需要用到rbind函数。
rbind的两个Data
Frame必须有相同的列,比如我们再申明一个student2,将两个变量rbind起来:
student2
rbind(student,student2)