빈 data.frame을 생성합니다.
행이 없는 data.frame을 초기화하려고 합니다.기본적으로 각 열의 데이터 유형을 지정하고 이름을 지정하지만 결과적으로 행이 생성되지는 않습니다.
제가 지금까지 할 수 있었던 최선의 일은 다음과 같습니다.
df <- data.frame(Date=as.Date("01/01/2000", format="%m/%d/%Y"),
File="", User="", stringsAsFactors=FALSE)
df <- df[-1,]
그러면 원하는 모든 데이터 유형과 열 이름이 포함된 단일 행으로 data.frame이 생성되지만, 불필요한 행도 생성되므로 제거해야 합니다.
이것을 하는 더 좋은 방법이 있습니까?
빈 벡터로 초기화하기만 하면 됩니다.
df <- data.frame(Date=as.Date(character()),
File=character(),
User=character(),
stringsAsFactors=FALSE)
다음은 다른 열 유형을 사용하는 다른 예입니다.
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
N.B.:
초기화하기data.frame잘못된 유형의 열을 비워도 다른 유형의 열이 있는 행을 추가할 수 없습니다.
이 방법은 처음부터 올바른 열 유형을 사용한다는 점에서 조금 더 안전합니다. 따라서 코드가 일부 열 유형 검사에 의존하는 경우에도 작동합니다.data.frame0행으로
이미 존재하는 데이터 프레임이 있는 경우,df원하는 열이 있는 경우 모든 행을 제거하여 빈 데이터 프레임을 만들 수 있습니다.
empty_df = df[FALSE,]
:df여전히 데이터를 포함하지만empty_df안 합니다.
빈 행으로 새 인스턴스를 만드는 방법을 찾다가 이 질문을 발견했기 때문에 일부 사용자에게 도움이 될 수 있다고 생각합니다.
열 유형을 지정하지 않고 이 작업을 수행할 수 있습니다.
df = data.frame(matrix(vector(), 0, 3,
dimnames=list(c(), c("Date", "File", "User"))),
stringsAsFactors=F)
사용할 수 있습니다.read.table에 빈 합니다.text다음과 같이:
colClasses = c("Date", "character", "character")
col.names = c("Date", "File", "User")
df <- read.table(text = "",
colClasses = colClasses,
col.names = col.names)
는지정을 합니다.col.names문자열로:
df <- read.csv(text="Date,File,User", colClasses = colClasses)
리차드 스크리븐 덕분에 개선되었습니다.
선언하기
table = data.frame()
할 때rbind하는 첫 다음과 .
은 이작을수가방효은법인을 사용하는 입니다.structure가 " 스가있목만듭니다을록는클래"인 합니다."data.frame":
structure(list(Date = as.Date(character()), File = character(), User = character()),
class = "data.frame")
# [1] Date File User
# <0 rows> (or 0-length row.names)
현재 받아들여지고 있는 답변과 비교하여 이를 종합적으로 살펴보면 다음과 같은 간단한 벤치마크가 있습니다.
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
짧은 길이를 찾고 있는 경우:
read.csv(text="col1,col2")
따라서 열 이름을 별도로 지정할 필요가 없습니다.데이터 프레임을 채울 때까지 기본 열 유형 논리를 얻습니다.
다음 코드를 사용하여 빈 데이터 프레임을 만들었습니다.
df = data.frame(id = numeric(0), jobs = numeric(0));
일부 행을 바인딩하여 다음과 같이 채우려고 했습니다.
newrow = c(3, 4)
df <- rbind(df, newrow)
그러나 다음과 같이 잘못된 열 이름을 지정하기 시작했습니다.
X3 X4
1 3 4
이에 대한 해결책은 다음과 같이 새 행을 유형 df로 변환하는 것입니다.
newrow = data.frame(id=3, jobs=4)
df <- rbind(df, newrow)
이제 다음과 같은 열 이름으로 표시될 때 올바른 데이터 프레임을 제공합니다.
id nobs
1 3 4
빈 데이터 프레임을 만들려면 필요한 행과 열 수를 다음 함수에 전달합니다.
create_empty_table <- function(num_rows, num_cols) {
frame <- data.frame(matrix(NA, nrow = num_rows, ncol = num_cols))
return(frame)
}
각 열의 클래스를 지정하는 동안 빈 프레임을 만들려면 원하는 데이터 유형의 벡터를 다음 함수로 전달하기만 하면 됩니다.
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)
}
다음과 같이 사용합니다.
df <- create_empty_table(3, 3, c('character','logical','numeric'))
이는 다음을 제공합니다.
X1 X2 X3
1 <NA> NA NA
2 <NA> NA NA
3 <NA> NA NA
선택 사항을 확인하려면 다음을 실행합니다.
lapply(df, class)
#output
$X1
[1] "character"
$X2
[1] "logical"
$X3
[1] "numeric"
동적 이름(변수의 열 이름)을 사용하여 빈 data.frame을 생성하려는 경우 다음과 같은 이점이 있습니다.
names <- c("v","u","w")
df <- data.frame()
for (k in names) df[[k]]<-as.numeric()
필요한 경우 유형도 변경할 수 있습니다.예:
names <- c("u", "v")
df <- data.frame()
df[[names[1]]] <- as.numeric()
df[[names[2]]] <- as.character()
사용 기준data.table각 열에 대한 데이터 유형을 지정할 수 있습니다.
library(data.table)
data=data.table(a=numeric(), b=numeric(), c=numeric())
데이터 유형을 명시적으로 지정하지 않아도 된다면 다음과 같은 방법으로 지정할 수 있습니다.
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)
만약 당신이 그렇게 선언하고 싶다면.data.frame많은 열이 있기 때문에 모든 열 클래스를 손으로 타이핑하는 것은 아마도 고통스러울 것입니다.특히 만약 당신이 이용할 수 있다면.rep이 접근 방식은 쉽고 빠릅니다(이렇게 일반화할 수 있는 다른 솔루션보다 약 15% 빠름).
원하는 열 클래스가 벡터에 있는 경우colClasses다음을 수행할 수 있습니다.
library(data.table)
setnames(setDF(lapply(colClasses, function(x) eval(call(x)))), col.names)
lapply원하는 길이의 목록을 생성할 것이며, 각 요소는 단순히 빈 유형 벡터입니다.numeric()또는integer().
setDF이것을 변환합니다.list에 관하여data.frame.
setnames참조로 원하는 이름을 추가합니다.
속도 비교:
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
또한 사용하는 것보다 빠릅니다.structure유사한 방법으로:
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
데이터 프레임이 이미 있는 경우 데이터 프레임에서 메타데이터(열 이름 및 유형)를 추출할 수 있습니다(예: 특정 입력으로만 트리거되고 빈 더미 데이터 프레임이 필요한 BUG를 제어하는 경우).
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)))
그리고 나서 사용합니다.read.table빈 데이터 프레임을 생성합니다.
read.table(text = "",
colClasses = c('integer', 'factor'),
col.names = c('col1', 'col2'))
필요할 때마다 이 기능을 사용하고 사용 사례에 맞게 열 이름과 클래스를 변경합니다.
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)
열 이름이 동적이라고 가정하면 빈 행 이름의 행렬을 만들어 데이터 프레임으로 변환할 수 있습니다.
nms <- sample(LETTERS,sample(1:10))
as.data.frame(t(matrix(nrow=length(nms),ncol=0,dimnames=list(nms))))
이 질문은 제 우려 사항을 구체적으로 다루지 않았지만(여기에 요약됨), 매개 변수화된 수의 열로 수행하고 강제하지 않는 경우:
> 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>
연결된 질문에 대한 디비비잔의 진술처럼,
...행렬과 그 구성 유형을 결합할 때 [cbinding]이 발생하는 이유는 행렬이 단일 데이터 유형만 가질 수 있기 때문입니다.2개의 행렬을 묶어도 결과는 여전히 행렬이므로 data.frame으로 변환하기 전에 모든 변수가 단일 유형으로 강제됩니다.
언급URL : https://stackoverflow.com/questions/10689055/create-an-empty-data-frame
'code' 카테고리의 다른 글
| 과거에 임의의 커밋 두 개 사이에 커밋을 삽입하는 방법은 무엇입니까? (0) | 2023.06.27 |
|---|---|
| C: 링크된 목록에서 노드를 해제하는 방법은 무엇입니까? (0) | 2023.06.27 |
| Springboot 스프링 액추에이터 상태 끝점에서 Mongo 상태 표시기를 비활성화할 수 있습니까? (0) | 2023.06.27 |
| 코드에서 장치의 IP 주소를 가져오는 방법은 무엇입니까? (0) | 2023.06.27 |
| 외래 키는 항상 다른 테이블의 고유 키를 참조합니까? (0) | 2023.06.27 |