如何制作数据框列表以及如何从列表中访问每个数据框?
例如,如何将这些数据框放在列表中?
d1 <- data.frame(y1 = c(1, 2, 3),
y2 = c(4, 5, 6))
d2 <- data.frame(y1 = c(3, 2, 1),
y2 = c(6, 5, 4))
答案 0 :(得分:300)
当你已经拥有一堆data.frames时,其他答案会向你显示如何制作data.frames列表,例如d1
, d2
,....顺序命名数据框是一个问题,将它们放在一个列表中是一个很好的修复,但最好的做法是避免让一堆data.frames不在列表中首先。
其他答案提供了有关如何将数据框分配给列表元素,访问它们等的详细信息。我们也会在这里稍微介绍一下,但 Main Point 是说不要等到你有一堆data.frames
将它们添加到列表中。从列表开始。
本答案的其余部分将介绍一些您可能想要创建顺序变量的常见情况,并向您展示如何直接进入列表。如果您对R中的列表不熟悉,则可能还需要阅读What's the difference between [[
and [
in accessing elements of a list?。
首先,不要创建d1
d2
d3
,...,dn
。使用d
元素创建列表n
。
在阅读文件时,这很容易完成。也许您在目录中有文件data1.csv, data2.csv, ...
。您的目标是名为mydata
的data.frames列表。你需要的第一件事是一个包含所有文件名的向量。您可以使用粘贴(例如,my_files = paste0("data", 1:5, ".csv")
)构建此内容,但可能更容易使用list.files
来获取所有相应的文件:my_files <- list.files(pattern = "\\.csv$")
。您可以使用正则表达式来匹配文件,如果您需要帮助,请在其他问题中阅读有关正则表达式的更多信息。通过这种方式,您可以获取所有CSV文件,即使他们没有遵循一个好的命名方案。或者,如果您需要从其中一组中选择某些CSV文件,则可以使用更高级的正则表达式模式。
此时,大多数R初学者将使用for
循环,并且没有任何问题,它可以正常工作。
my_data <- list()
for (i in seq_along(my_files)) {
my_data[[i]] <- read.csv(file = my_files[i])
}
更像R的方法是使用lapply
,这是上面的快捷方式
my_data <- lapply(my_files, read.csv)
当然,根据需要替换read.csv
的其他数据导入功能。 readr::read_csv
或data.table::fread
会更快,或者您可能还需要针对不同文件类型使用不同的功能。
无论哪种方式,命名列表元素以匹配文件
都很方便names(my_data) <- gsub("\\.csv$", "", my_files)
# or, if you prefer the consistent syntax of stringr
names(my_data) <- stringr::str_replace(my_files, pattern = ".csv", replacement = "")
这非常简单,基本功能split()
为您完成。您可以按数据的一列(或多列)或您想要的任何其他内容进行拆分
mt_list = split(mtcars, f = mtcars$cyl)
# This gives a list of three data frames, one for each value of cyl
这也是将数据框分成多个部分以进行交叉验证的好方法。也许您想将mtcars
分成训练,测试和验证部分。
groups = sample(c("train", "test", "validate"),
size = nrow(mtcars), replace = TRUE)
mt_split = split(mtcars, f = groups)
# and mt_split has appropriate names already!
也许您正在模拟数据,如下所示:
my_sim_data = data.frame(x = rnorm(50), y = rnorm(50))
但谁只进行一次模拟?你想这样做100次,1000次,更多!但是,您不想要在您的工作区中使用10,000个数据框。使用replicate
并将其放入列表中:
sim_list = replicate(n = 10,
expr = {data.frame(x = rnorm(50), y = rnorm(50))},
simplify = F)
在这种情况下,您还应该考虑是否确实需要单独的数据帧,或者是否需要一个带有&#34;组的单个数据帧&#34;专栏工作也一样吗?使用data.table
或dplyr
它很容易做到&#34;按组&#34;到数据框。
如果他们是一个奇怪的分类(这是不寻常的),你可以简单地分配它们:
mylist <- list()
mylist[[1]] <- mtcars
mylist[[2]] <- data.frame(a = rnorm(50), b = runif(50))
...
如果您有一个模式中命名的数据框,例如df1
,df2
,df3
,并且您希望它们在列表中,那么您可以get
你可以编写一个正则表达式来匹配名称。像
df_list = mget(ls(pattern = "df[0-9]"))
# this would match any object with "df" followed by a digit in its name
# you can test what objects will be got by just running the
ls(pattern = "df[0-9]")
# part and adjusting the pattern until it gets the right objects.
通常,mget
用于获取多个对象并将其返回到命名列表中。其对应get
用于获取单个对象并将其返回(不在列表中)。
一项常见任务是将数据帧列表合并为一个大数据帧。如果你想将它们叠加在一起,你可以使用rbind
作为一对,但是对于数据框列表,这里有三个不错的选择:
# base option - slower but not extra dependencies
big_data = do.call(what = rbind, args = df_list)
# data table and dplyr have nice functions for this
# they will be faster and can also add id columns to identify
# which list item they came from. They can also fill in
# missing values if some data frames have more columns than others
big_data = data.table::rbindlist(df_list)
big_data = dplyr::bind_rows(df_list)
(同样地使用cbind
或dplyr::bind_cols
作为列。)
要合并(加入)数据框列表,您可以看到these answers。通常,我的想法是使用Reduce
和merge
(或其他一些加入函数)将它们组合在一起。
在列表中放入类似的数据,因为您希望对每个数据框执行类似的操作,以及lapply
,sapply
do.call
,the purrr
package和旧{{{{ {1}} plyr
函数可以轻松完成此操作。使用列表轻松处理事务的人的例子都是SO。
即使使用forly for循环,循环列表元素也比使用l*ply
构造变量名更容易,并使用paste
访问对象。也更容易调试。
考虑可伸缩性。如果您真的只需要三个变量,那么使用get
,d1
,d2
就可以了。但如果事实证明你确实需要6,那就更多了。下次,当您需要10或20时,您会发现自己正在复制和粘贴代码行,可能使用查找/替换将d3
更改为d14
,并且您正在考虑这不是编程应该如何。如果你使用一个列表,3个案例,30个案例和300个案例之间的差异最多只有一行代码 - 如果你的案例数量被自动检测到,例如,有多少{{1}文件在您的目录中。
您可以命名列表的元素,以防您想使用数字索引以外的其他内容来访问您的数据框(并且您可以同时使用这两者,这不是XOR选择)。
总的来说,使用列表可以让您编写更清晰,更易于阅读的代码,从而减少错误并减少混淆。
答案 1 :(得分:121)
这与您的问题无关,但您希望在函数调用中使用=
而不是<-
。如果您使用<-
,则最终会在您正在使用的任何环境中创建变量y1
和y2
:
d1 <- data.frame(y1 <- c(1, 2, 3), y2 <- c(4, 5, 6))
y1
# [1] 1 2 3
y2
# [1] 4 5 6
这不会产生在数据框中创建列名的看似期望的效果:
d1
# y1....c.1..2..3. y2....c.4..5..6.
# 1 1 4
# 2 2 5
# 3 3 6
另一方面,=
运算符会将您的向量与data.frame
的参数相关联。
至于你的问题,制作一个数据框列表很简单:
d1 <- data.frame(y1 = c(1, 2, 3), y2 = c(4, 5, 6))
d2 <- data.frame(y1 = c(3, 2, 1), y2 = c(6, 5, 4))
my.list <- list(d1, d2)
您可以访问数据框,就像访问任何其他列表元素一样:
my.list[[1]]
# y1 y2
# 1 1 4
# 2 2 5
# 3 3 6
答案 2 :(得分:17)
您还可以使用[
和[[
访问每个列表元素中的特定列和值。这里有几个例子。首先,我们只能使用lapply(ldf, "[", 1)
访问列表中每个数据框的第一列,其中1
表示列号。
ldf <- list(d1 = d1, d2 = d2) ## create a named list of your data frames
lapply(ldf, "[", 1)
# $d1
# y1
# 1 1
# 2 2
# 3 3
#
# $d2
# y1
# 1 3
# 2 2
# 3 1
同样,我们可以使用
访问第二列中的第一个值lapply(ldf, "[", 1, 2)
# $d1
# [1] 4
#
# $d2
# [1] 6
然后我们也可以使用[[
lapply(ldf, "[[", 1)
# $d1
# [1] 1 2 3
#
# $d2
# [1] 3 2 1
答案 3 :(得分:13)
如果您有大量按顺序命名的数据框,则可以创建所需数据框子集的列表,如下所示:
d1 <- data.frame(y1=c(1,2,3), y2=c(4,5,6))
d2 <- data.frame(y1=c(3,2,1), y2=c(6,5,4))
d3 <- data.frame(y1=c(6,5,4), y2=c(3,2,1))
d4 <- data.frame(y1=c(9,9,9), y2=c(8,8,8))
my.list <- list(d1, d2, d3, d4)
my.list
my.list2 <- lapply(paste('d', seq(2,4,1), sep=''), get)
my.list2
其中my.list2
返回包含第2,第3和第4个数据帧的列表。
[[1]]
y1 y2
1 3 6
2 2 5
3 1 4
[[2]]
y1 y2
1 6 3
2 5 2
3 4 1
[[3]]
y1 y2
1 9 8
2 9 8
3 9 8
但请注意,上面列表中的数据框不再被命名。如果要创建包含数据框子集的列表并希望保留其名称,可以尝试以下操作:
list.function <- function() {
d1 <- data.frame(y1=c(1,2,3), y2=c(4,5,6))
d2 <- data.frame(y1=c(3,2,1), y2=c(6,5,4))
d3 <- data.frame(y1=c(6,5,4), y2=c(3,2,1))
d4 <- data.frame(y1=c(9,9,9), y2=c(8,8,8))
sapply(paste('d', seq(2,4,1), sep=''), get, environment(), simplify = FALSE)
}
my.list3 <- list.function()
my.list3
返回:
> my.list3
$d2
y1 y2
1 3 6
2 2 5
3 1 4
$d3
y1 y2
1 6 3
2 5 2
3 4 1
$d4
y1 y2
1 9 8
2 9 8
3 9 8
> str(my.list3)
List of 3
$ d2:'data.frame': 3 obs. of 2 variables:
..$ y1: num [1:3] 3 2 1
..$ y2: num [1:3] 6 5 4
$ d3:'data.frame': 3 obs. of 2 variables:
..$ y1: num [1:3] 6 5 4
..$ y2: num [1:3] 3 2 1
$ d4:'data.frame': 3 obs. of 2 variables:
..$ y1: num [1:3] 9 9 9
..$ y2: num [1:3] 8 8 8
> my.list3[[1]]
y1 y2
1 3 6
2 2 5
3 1 4
> my.list3$d4
y1 y2
1 9 8
2 9 8
3 9 8
答案 4 :(得分:9)
考虑到你有一个“大”数字的具有相似名称的数据框(这里是d#,其中#是一些正整数),以下是@ mark-miller方法的略微改进。它更简洁,并返回一个名为的data.frames列表,其中列表中的每个名称都是相应原始data.frame的名称。
关键是mget
与ls
一起使用。如果问题中提供的数据框d1和d2是环境中唯一名称为d#的对象,那么
my.list <- mget(ls(pattern="^d[0-9]+"))
会返回
my.list
$d1
y1 y2
1 1 4
2 2 5
3 3 6
$d2
y1 y2
1 3 6
2 2 5
3 1 4
此方法利用ls
中的模式参数,它允许我们使用正则表达式对环境中对象的名称进行更精细的解析。正则表达式"^d[0-9]+$"
的替代方法是"^d\\d+$"
。
作为@gregor points out,设置数据构建过程会更好,以便在开始时将data.frames放入命名列表中。
数据强>
d1 <- data.frame(y1 = c(1,2,3),y2 = c(4,5,6))
d2 <- data.frame(y1 = c(3,2,1),y2 = c(6,5,4))
答案 5 :(得分:3)
这可能有点晚了,但回到你的例子,我想我会把答案延长一点点。
D1 <- data.frame(Y1=c(1,2,3), Y2=c(4,5,6))
D2 <- data.frame(Y1=c(3,2,1), Y2=c(6,5,4))
D3 <- data.frame(Y1=c(6,5,4), Y2=c(3,2,1))
D4 <- data.frame(Y1=c(9,9,9), Y2=c(8,8,8))
然后您可以轻松制作清单:
mylist <- list(D1,D2,D3,D4)
现在您有一个列表,但不是以旧方式访问列表,例如
mylist[[1]] # to access 'd1'
您可以使用此功能获取&amp;分配您选择的数据框。
GETDF_FROMLIST <- function(DF_LIST, ITEM_LOC){
DF_SELECTED <- DF_LIST[[ITEM_LOC]]
return(DF_SELECTED)
}
现在得到你想要的那个。
D1 <- GETDF_FROMLIST(mylist, 1)
D2 <- GETDF_FROMLIST(mylist, 2)
D3 <- GETDF_FROMLIST(mylist, 3)
D4 <- GETDF_FROMLIST(mylist, 4)
希望额外的帮助。
干杯!
答案 6 :(得分:1)
很简单!这是我的建议:
如果要在工作区中选择数据框,请尝试以下操作:
Filter(function(x) is.data.frame(get(x)) , ls())
或
ls()[sapply(ls(), function(x) is.data.frame(get(x)))]
所有这些都会给出相同的结果。
您可以更改is.data.frame
以检查其他类型的变量,例如is.function
答案 7 :(得分:-1)
for
循环模拟如果我有一个 for
循环生成数据帧,我从一个空的 list()
开始,并在生成数据帧时附加它们。
# Empty list
dat_list <- list()
for(i in 1:5){
# Generate dataframe
dat <- data.frame(x=rnorm(10), y=rnorm(10))
# Add to list
dat_list <- append(dat_list, list(dat))
}
请注意,它在我们的 list(dat)
调用中是 append()
。
然后为了从列表中获取第 n
个数据帧,我们使用 dat_list[[n]]
。您可以以正常方式访问此数据框中的数据,例如dat_list[[2]]$x
。
或者,如果您想要所有数据帧中的相同部分 sapply(dat_list, "[", "x")
。
在没有 for
循环的情况下执行此操作,请参阅 @Gregor Thomas 的答案。