创建一个空的data.frame
Posted
技术标签:
【中文标题】创建一个空的data.frame【英文标题】：Create an empty data.frame 【发布时间】：2019-03-21 12:41:58 【问题描述】：我正在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,]
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。
有没有更好的方法来做到这一点？
【问题讨论】：
【参考方案1】：只需用空向量初始化它：
df <- data.frame(Date=as.Date(character()),
File=character(),
User=character(),
stringsAsFactors=FALSE)
这是另一个不同列类型的示例：
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。
这种方法有点更安全，因为您从一开始就拥有正确的列类型，因此如果您的代码依赖于某些列类型检查，即使使用data.frame 它也可以工作零行。
【讨论】：
如果我把所有字段都初始化为NULL会不会一样？ @yosukesabai: 不，如果用 NULL 初始化列，则不会添加该列:) @yosukesabai:data.frame 有类型的列，所以是的，如果你想初始化一个data.frame 你必须决定列的类型...
@user4050：问题是关于创建一个空的data.frame，所以当行数为零时......也许你想在NAs上创建一个完整的data.frame......在那个你可以使用例如data.frame(Doubles=rep(as.double(NA),numberOfRow), Ints=rep(as.integer(NA),numberOfRow))
如何在不触发data has 0 rows 错误的情况下追加到这样的数据框？【参考方案2】：
如果您已经有一个现有的数据框，假设 df 包含您想要的列，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,]
注意df 仍然包含数据，但empty_df 不包含。
我发现这个问题是为了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所帮助。
【讨论】：
好主意。不保留任何行，但保留所有列。投反对票的人错过了一些东西。 不错的解决方案，但是我发现我得到了一个包含 0 行的数据框。为了保持数据框的大小不变，我建议new_df = df[NA,]。这也允许将任何先前的列存储到新的数据框中。例如，从原始 df 获取“日期”列（同时保持休息 NA）： new_df$Date @Katya，如果你这样做df[NA,]，这也会影响索引（这不太可能是你想要的），我会改用df[TRUE,] = NA；但是请注意，这将覆盖原始文件。您需要先复制数据框copy_df = data.frame(df)，然后再复制copy_df[TRUE,] = NA
@Katya，或者您也可以使用empty_df[0:nrow(df),] <- NA 轻松地将空行添加到empty_df。
@Katya，您在要标记为代码的内容周围使用反引号 (`)，还有使用 * 和 的 斜体 等其他内容使用 ** 加粗。您可能想阅读所有Markdown Syntax of SO。不过，其中大部分只对答案有意义。【参考方案3】：
你可以在不指定列类型的情况下做到这一点
df = data.frame(matrix(vector(), 0, 3,
dimnames=list(c(), c("Date", "File", "User"))),
stringsAsFactors=F)
【讨论】：
在这种情况下，列类型默认为每个 vector() 的逻辑，但随后会被添加到 df 的元素类型覆盖。试试 str(df), df[1,1] 【参考方案4】：您可以将read.table 与空字符串一起用于输入text，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
【讨论】：
甚至read.table(text = "", ...) 这样您就不需要显式打开连接。
时髦。对于 许多 潜在的列，这可能是最可扩展/自动化的方式
read.csv 方法也适用于readr::read_csv，如read_csv("Date,File,User\n", col_types = "Dcc")。这样，您可以直接创建所需结构的空 tibble。【参考方案5】：
只要声明
table = data.frame()
当您尝试rbind 第一行时，它将创建列
【讨论】：
确实不符合OP的“我要为每一列指定数据类型并命名它们”的要求。 如果下一步是rbind，这会很好，如果不是......
无论如何，感谢这个简单的解决方案。我还想用特定的列初始化一个data.frame，因为我认为只有当列在两个data.frame之间对应时才能使用rbind。情况似乎并非如此。我很惊讶我可以在使用 rbind 时如此简单地初始化一个 data.frame。谢谢。
这里提出的最佳解决方案。对我来说，使用建议的方式，与rbind() 完美配合。【参考方案6】：
最有效的方法是使用structure 创建一个具有"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)
为了与目前接受的答案相比，这里有一个简单的基准：
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
【讨论】：
data.table 通常包含一个.internal.selfref 属性，如果不调用data.table 函数就无法伪造该属性。你确定你没有依赖这里的无证行为吗？
@AdamRyczkowski 我认为您混淆了data.table package 中的基本“data.frame”类和附加“data.table”类。
是的。确实。我的错。忽略我最后的评论。我在搜索 data.table 时遇到了这个帖子，并假设 Google 确实找到了我想要的内容，并且这里的所有内容都与 data.table 相关。
@PatrickT 没有检查您的代码所做的事情是否有意义。 data.frame() 提供对命名、行名等的检查。【参考方案7】：
如果你正在寻找短：
read.csv(text="col1,col2")
因此您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。
【讨论】：
read.csv 解析文本参数，以便您获得列名。它比 read.table(text="", col.names = c("col1", "col2")) 更紧凑 我得到：Error in data.frame(..., check.names = FALSE) : arguments imply differing number of rows: 0, 2
这不符合 OP 的要求，“我想为每一列指定数据类型”，尽管它可能会被修改为这样做。
聚会很晚，但readr 可以做到：read_csv2("a;b;c;d;e\n", col_types = "icdDT")。需要\n 来识别它是字符串而不是文件（或使用c("a;b;c;d;e", "")。作为奖励列名不会被修改（例如col-1 或why spaces）【参考方案8】：
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如下。
newrow = c(3, 4)
df <- rbind(df, newrow)
但它开始给出错误的列名，如下所示
X3 X4
1 3 4
解决这个问题的方法是将 newrow 转换为 df 类型，如下所示
newrow = data.frame(id=3, jobs=4)
df <- rbind(df, newrow)
现在在显示列名时给出正确的数据框，如下所示
id nobs
1 3 4
【讨论】：
【参考方案9】：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)
要创建一个空框架同时指定每列的类，只需将所需数据类型的向量传递给以下函数：
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(frame[,i])
if(type_vec[i] == 'character') frame[,i] <- as.character(frame[,i])
if(type_vec[i] == 'logical') frame[,i] <- as.logical(frame[,i])
if(type_vec[i] == 'factor') frame[,i] <- as.factor(frame[,i])
return(frame)
如下使用：
df <- create_empty_table(3, 3, c('character','logical','numeric'))
这给出了：
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"
【讨论】：
这不符合OP的要求，“我要指定每一列的数据类型”【参考方案10】：如果你不介意不明确指定数据类型，你可以这样做：
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)
【讨论】：
【参考方案11】：如果您想使用动态名称（变量中的列名）创建一个空的 data.frame，这会有所帮助：
names <- c("v","u","w")
df <- data.frame()
for (k in names) df[[k]]<-as.numeric()
如果需要，您也可以更改类型。喜欢：
names <- c("u", "v")
df <- data.frame()
df[[names[1]]] <- as.numeric()
df[[names[2]]] <- as.character()
【讨论】：
【参考方案12】：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())
【讨论】：
【参考方案13】：如果您想声明这样一个包含许多列的data.frame，手动键入所有列类可能会很痛苦。特别是如果你可以使用rep，这种方法既简单又快速（比其他可以这样概括的解决方案快约15%）：
如果您想要的列类在向量colClasses 中，您可以执行以下操作：
library(data.table)
setnames(setDF(lapply(colClasses, function(x) eval(call(x)))), col.names)
lapply 将生成所需长度的列表，其中每个元素只是一个空类型向量，例如 numeric() 或 integer()。
setDF 通过引用 data.frame 将此 list 转换。
setnames 通过引用添加所需的名称。
速度对比：
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
【讨论】：
【参考方案14】：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仅触发的 BUG具有某些输入并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 创建空数据框
read.table(text = "",
colClasses = c('integer', 'factor'),
col.names = c('col1', 'col2'))
【讨论】：
【参考方案15】：我将这个函数放在手边，以备不时之需，并更改列名和类以适应用例：
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)
【讨论】：
【参考方案16】：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))))
【讨论】：
这不符合OP的要求，“我要指定每一列的数据类型”【参考方案17】：这个问题没有具体解决我的问题（概述here），但如果有人想用参数化的列数而不强制执行此操作：
> 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 在链接问题上所说，
...[强制]发生[当绑定矩阵及其组成类型时]的原因是矩阵只能有一个 单一数据类型。当您 cbind 2 个矩阵时，结果仍然是 矩阵，因此变量之前都被强制转换为单一类型 转换为data.frame
【讨论】：
以上是关于创建一个空的data.frame的主要内容，如果未能解决你的问题，请参考以下文章