我尝试初始化没有任何行的data.frame。基本上，我想为每列指定数据类型并命名它们，但不会因此而创建任何行。
我能做到的最好的事情就是：
df <- data.frame(Date=as.Date("01/01/2000", format="%m/%d/%Y"),
File="", User="", stringsAsFactors=FALSE)
df <- df[-1,]
这会创建一个data.frame，其中包含我想要的所有数据类型和列名的单行，但也会创建一个无用的行，然后需要将其删除。
有更好的方法吗？
答案 0 :(得分：557)
用空载体初始化它：
df <- data.frame(Date=as.Date(character()),
File=character(),
User=character(),
stringsAsFactors=FALSE)
这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
<强> N.B。 ：
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。
这个方法只是有点更安全，因为你从一开始就拥有正确的列类型，因此如果你的代码依赖于某些列类型检查，它甚至可以用{{1零行。
答案 1 :(得分：99)
如果您已经有一个现有的数据框，让我们说df包含您想要的列，那么您可以通过删除所有列来创建一个空数据框行：
empty_df = df[FALSE,]
请注意df仍包含数据，但empty_df不包含数据。
我发现这个问题正在寻找如何创建一个空行的新实例，所以我认为它可能对某些人有用。
答案 2 :(得分：75)
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)
答案 3 :(得分：49)
您可以使用read.table为输入text添加空字符串，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)
或者将col.names指定为字符串：
df <- read.csv(text="Date,File,User", colClasses = colClasses)
感谢Richard Scriven的改进
答案 4 :(得分：21)
最有效的方法是使用structure创建一个包含"data.frame"类的列表：
structure(list(Date = as.Date(character()), File = character(), User = character()),
class = "data.frame")
# [1] Date File User
# <0 rows> (or 0-length row.names)
与目前接受的答案相比，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
答案 5 :(得分：16)
如果您正在寻找短缺：
read.csv(text="col1,col2")
因此您无需单独指定列名称。在填充数据框之前，您将获得默认的列类型逻辑。
答案 6 :(得分：14)
只需声明
table = data.frame()
当您尝试rbind第一行时，它会创建列
答案 7 :(得分：10)
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内容。
newrow = c(3, 4)
df <- rbind(df, newrow)
但它开始提供错误的列名，如下所示
X3 X4
1 3 4
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)
现在使用列名显示正确的数据框，如下所示
id nobs
1 3 4
答案 8 :(得分：3)
要创建一个空数据框，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)
}
要在指定每列的类时创建空框，只需将所需数据类型的向量传递到以下函数中：
create_empty_table <- function(num_rows, num_cols, type_vec) {
frame <- data.frame(matrix(NA, nrow = num_rows, ncol = num_cols))
for(i in 1:ncol(frame)) {
print(type_vec[i])
if(type_vec[i] == 'numeric') {frame[,i] <- as.numeric(df[,i])}
if(type_vec[i] == 'character') {frame[,i] <- as.character(df[,i])}
if(type_vec[i] == 'logical') {frame[,i] <- as.logical(df[,i])}
if(type_vec[i] == 'factor') {frame[,i] <- as.factor(df[,i])}
}
return(frame)
}
使用如下：
df <- create_empty_table(3, 3, c('character','logical','numeric'))
给出了：
X1 X2 X3
1 <NA> NA NA
2 <NA> NA NA
3 <NA> NA NA
要确认您的选择，请运行以下命令：
lapply(df, class)
#output
$X1
[1] "character"
$X2
[1] "logical"
$X3
[1] "numeric"
答案 9 :(得分：3)
如果要创建一个带有动态名称（变量中的colnames）的空data.frame，这可以提供帮助：
names <- c("u", "v")
df <- data.frame()
df[[names[1]]] <- as.numeric()
df[[names[2]]] <- as.character()
如果需要，您也可以更改类型。像：
{{1}}
答案 10 :(得分：3)
如果您不介意不明确指定数据类型，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)
答案 11 :(得分：2)
如果你想要声明这样一个有很多列的data.frame，那么手动输入所有列类可能会很麻烦。特别是如果你可以使用rep，这种方法既简单又快速（比其他可以像这样推广的解决方案快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会生成所需长度的列表，其中每个元素都只是一个空的类型向量，如numeric()或integer()。
setDF将此list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
它也比以类似方式使用structure更快：
microbenchmark(times = 1000,
DT = setnames(setDF(lapply(colClasses, function(x)
eval(call(x)))), col.names),
struct = eval(parse(text=paste0(
"structure(list(",
paste(paste0(col.names, "=",
colClasses, "()"), collapse = ","),
"), class = \"data.frame\")"))))
#Unit: milliseconds
# expr min lq mean median uq max neval cld
# DT 2.068121 2.167180 2.821868 2.211214 2.268569 143.70901 1000 a
# struct 2.613944 2.723053 3.177748 2.767746 2.831422 21.44862 1000 b
答案 12 :(得分：1)
我随时随地都可以使用此功能，并更改列名称和类以适合用例：
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)
答案 13 :(得分：0)
这个问题并没有专门解决我的问题（概述为here），但是如果有人想使用参数化的列数且没有强制性来做到这一点，则该问题：
> 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>
正如迪维比桑在所链接的问题上所言，
... [强制绑定]发生的原因（当绑定矩阵及其组成类型时）是矩阵只能具有 单一数据类型。当您绑定2个矩阵时，结果仍然是 矩阵，因此变量都在被强制为单一类型之前 转换为data.frame
答案 14 :(得分：0)
通过使用data.table，我们可以为每一列指定数据类型。
library(data.table)
data=data.table(a=numeric(), b=numeric(), c=numeric())
答案 15 :(得分：0)
如果您已经有一个数据框，则可以从数据框中提取元数据（列名称和类型）（例如，如果您正在控制一个错误，则仅触发该错误）具有某些输入，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)))
然后使用read.table创建一个空数据框
read.table(text = "",
colClasses = c('integer', 'factor'),
col.names = c('col1', 'col2'))
答案 16 :(得分：0)
假设您的列名是动态的，您可以创建一个空的行命名矩阵并将其转换为数据框。
nms <- sample(LETTERS,sample(1:10))
as.data.frame(t(matrix(nrow=length(nms),ncol=0,dimnames=list(nms))))