آموزش دیتا فریم در زبان R

0 دیدگاه

دیتا فریم در زبان R یک جدول یا ساختار آرایه‌ای دوبعدی است که در آن هر ستون شامل مقادیر یک متغیر بوده و هر سطر نمایانگر یک مجموعه از مقادیر تمام ستون‌هاست.

ویژگی‌های اصلی دیتا فریم در زبان R

نام ستون‌ها نباید خالی باشد.
نام سطرها باید یکتا باشند.
داده‌های ذخیره‌شده در دیتا فریم می‌توانند از نوع عددی (numeric)، عاملی (factor) یا کاراکتری (character) باشند.
هر ستون باید شامل تعداد یکسانی داده باشد.

ایجاد فریم داده در R

# ایجاد دیتا فریم
emp.data <- data.frame(
   emp_id = c (1:5), 
   emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),
   salary = c(623.3,515.2,611.0,729.0,843.25), 
   start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",
      "2015-03-27")),
   stringsAsFactors = FALSE
)
# چاپ دیتا فریم			
print(emp.data)

# ایجاد دیتا فریم

emp.data <- data.frame(

emp_id = c (1:5),

emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

salary = c(623.3,515.2,611.0,729.0,843.25),

start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",

"2015-03-27")),

stringsAsFactors = FALSE

)

# چاپ دیتا فریم

print(emp.data)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

 emp_id    emp_name     salary     start_date
1     1     Rick        623.30     2012-01-01
2     2     Dan         515.20     2013-09-23
3     3     Michelle    611.00     2014-11-15
4     4     Ryan        729.00     2014-05-11
5     5     Gary        843.25     2015-03-27

emp_id emp_name salary start_date

1 1 Rick 623.30 2012-01-01

2 2 Dan 515.20 2013-09-23

3 3 Michelle 611.00 2014-11-15

4 4 Ryan 729.00 2014-05-11

5 5 Gary 843.25 2015-03-27

بررسی ساختار دیتا فریم

برای مشاهده ساختار دیتا فریم از تابع str() استفاده می‌کنیم.

# ایجاد دیتا فریم
emp.data <- data.frame(
   emp_id = c (1:5), 
   emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),
   salary = c(623.3,515.2,611.0,729.0,843.25), 
   
   start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",
      "2015-03-27")),
   stringsAsFactors = FALSE
)
# مشاهده ساختار فریم داده
str(emp.data)

# ایجاد دیتا فریم

emp.data <- data.frame(

emp_id = c (1:5),

emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

salary = c(623.3,515.2,611.0,729.0,843.25),

start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",

"2015-03-27")),

stringsAsFactors = FALSE

)

# مشاهده ساختار فریم داده

str(emp.data)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

'data.frame':   5 obs. of  4 variables:
 $ emp_id    : int  1 2 3 4 5
 $ emp_name  : chr  "Rick" "Dan" "Michelle" "Ryan" ...
 $ salary    : num  623 515 611 729 843
 $ start_date: Date, format: "2012-01-01" "2013-09-23" "2014-11-15" "2014-05-11" ...

'data.frame': 5 obs. of 4 variables:

$ emp_id : int 1 2 3 4 5

$ emp_name : chr "Rick" "Dan" "Michelle" "Ryan" ...

$ salary : num 623 515 611 729 843

$ start_date: Date, format: "2012-01-01" "2013-09-23" "2014-11-15" "2014-05-11" ...

خلاصه آماری دیتا فریم

برای به‌دست‌آوردن خلاصه آماری و ماهیت داده‌ها از تابع summary() استفاده می‌کنیم.

# ایجاد دیتافریم
emp.data <- data.frame(
   emp_id = c (1:5), 
   emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),
   salary = c(623.3,515.2,611.0,729.0,843.25), 
   
   start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",
      "2015-03-27")),
   stringsAsFactors = FALSE
)
# چاپ خلاصه آماری دیتا فریم
print(summary(emp.data))

# ایجاد دیتافریم

emp.data <- data.frame(

emp_id = c (1:5),

emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

salary = c(623.3,515.2,611.0,729.0,843.25),

start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",

"2015-03-27")),

stringsAsFactors = FALSE

)

# چاپ خلاصه آماری دیتا فریم

print(summary(emp.data))

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

     emp_id    emp_name             salary        start_date        
 Min.   :1   Length:5           Min.   :515.2   Min.   :2012-01-01  
 1st Qu.:2   Class :character   1st Qu.:611.0   1st Qu.:2013-09-23  
 Median :3   Mode  :character   Median :623.3   Median :2014-05-11  
 Mean   :3                      Mean   :664.4   Mean   :2014-01-14  
 3rd Qu.:4                      3rd Qu.:729.0   3rd Qu.:2014-11-15  
 Max.   :5                      Max.   :843.2   Max.   :2015-03-27

emp_id emp_name salary start_date

Min. :1 Length:5 Min. :515.2 Min. :2012-01-01

1st Qu.:2 Class :character 1st Qu.:611.0 1st Qu.:2013-09-23

Median :3 Mode :character Median :623.3 Median :2014-05-11

Mean :3 Mean :664.4 Mean :2014-01-14

3rd Qu.:4 3rd Qu.:729.0 3rd Qu.:2014-11-15

Max. :5 Max. :843.2 Max. :2015-03-27

استخراج داده از دیتا فریم (Data Frame)

می‌توان با استفاده از نام ستون یا اندیس‌ها (index) داده‌های خاصی را از فریم داده استخراج کرد.

# ایجاد فریم داده
emp.data <- data.frame(
   emp_id = c (1:5),
   emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),
   salary = c(623.3,515.2,611.0,729.0,843.25),
   start_date = as.Date(c("2012-01-01","2013-09-23","2014-11-15","2014-05-11",
      "2015-03-27")),
   stringsAsFactors = FALSE
)

# استخراج ستون‌های مشخص
result <- data.frame(emp.data$emp_name, emp.data$salary)
print(result)

# ایجاد فریم داده

emp.data <- data.frame(

emp_id = c (1:5),

emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

salary = c(623.3,515.2,611.0,729.0,843.25),

start_date = as.Date(c("2012-01-01","2013-09-23","2014-11-15","2014-05-11",

"2015-03-27")),

stringsAsFactors = FALSE

)

# استخراج ستون‌های مشخص

result <- data.frame(emp.data$emp_name, emp.data$salary)

print(result)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

  emp.data.emp_name emp.data.salary
1              Rick          623.30
2               Dan          515.20
3          Michelle          611.00
4              Ryan          729.00
5              Gary          843.25

emp.data.emp_name emp.data.salary

1 Rick 623.30

2 Dan 515.20

3 Michelle 611.00

4 Ryan 729.00

5 Gary 843.25

استخراج دو سطر اول و تمام ستون‌ها

# ایجاد دیتا فریم
emp.data <- data.frame(
   emp_id = c (1:5),
   emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),
   salary = c(623.3,515.2,611.0,729.0,843.25),
   
   start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",
      "2015-03-27")),
   stringsAsFactors = FALSE
)
# استخراج دو سطر اول
result <- emp.data[1:2,]
print(result)

# ایجاد دیتا فریم

emp.data <- data.frame(

emp_id = c (1:5),

emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

salary = c(623.3,515.2,611.0,729.0,843.25),

start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",

"2015-03-27")),

stringsAsFactors = FALSE

)

# استخراج دو سطر اول

result <- emp.data[1:2,]

print(result)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

  emp_id    emp_name   salary    start_date
1      1     Rick      623.3     2012-01-01
2      2     Dan       515.2     2013-09-23

emp_id emp_name salary start_date

1 1 Rick 623.3 2012-01-01

2 2 Dan 515.2 2013-09-23

استخراج سطرهای 3 و 5 همراه با ستون‌های 2 و 4

# ایجاد دیتا فریم
emp.data <- data.frame(
   emp_id = c (1:5), 
   emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),
   salary = c(623.3,515.2,611.0,729.0,843.25), 
   
	start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",
      "2015-03-27")),
   stringsAsFactors = FALSE
)

# استخراج سطرهای 3 و 5 با ستون‌های 2 و 4
result <- emp.data[c(3,5),c(2,4)]
print(result)

# ایجاد دیتا فریم

emp.data <- data.frame(

emp_id = c (1:5),

emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

salary = c(623.3,515.2,611.0,729.0,843.25),

start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",

"2015-03-27")),

stringsAsFactors = FALSE

)

# استخراج سطرهای 3 و 5 با ستون‌های 2 و 4

result <- emp.data[c(3,5),c(2,4)]

print(result)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

  emp_name start_date
3 Michelle 2014-11-15
5     Gary 2015-03-27

emp_name start_date

3 Michelle 2014-11-15

5 Gary 2015-03-27

گسترش دیتا فریم در زبان R

فریم داده را می‌توان با افزودن ستون‌ها یا اضافه کردن سطرها گسترش داد.

افزودن ستون (Add Column)

برای اضافه کردن یک ستون جدید کافی است یک بردار (vector) را با نام ستون تازه به دیتا فریم تخصیص دهیم.

# ایجاد فریم داده
emp.data <- data.frame(
   emp_id = c (1:5), 
   emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),
   salary = c(623.3,515.2,611.0,729.0,843.25), 
   
   start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",
      "2015-03-27")),
   stringsAsFactors = FALSE
)

# افزودن ستون "dept"
emp.data$dept <- c("IT","Operations","IT","HR","Finance")
v <- emp.data
print(v)

# ایجاد فریم داده

emp.data <- data.frame(

emp_id = c (1:5),

emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

salary = c(623.3,515.2,611.0,729.0,843.25),

start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",

"2015-03-27")),

stringsAsFactors = FALSE

)

# افزودن ستون "dept"

emp.data$dept <- c("IT","Operations","IT","HR","Finance")

v <- emp.data

print(v)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

  emp_id   emp_name    salary    start_date       dept
1     1    Rick        623.30    2012-01-01       IT
2     2    Dan         515.20    2013-09-23       Operations
3     3    Michelle    611.00    2014-11-15       IT
4     4    Ryan        729.00    2014-05-11       HR
5     5    Gary        843.25    2015-03-27       Finance

emp_id emp_name salary start_date dept

1 1 Rick 623.30 2012-01-01 IT

2 2 Dan 515.20 2013-09-23 Operations

3 3 Michelle 611.00 2014-11-15 IT

4 4 Ryan 729.00 2014-05-11 HR

5 5 Gary 843.25 2015-03-27 Finance

افزودن سطر (Add Row)

برای افزودن سطرهای جدید به‌صورت دائمی، باید داده‌های تازه را با همان ساختار دیتا فریم موجود ایجاد کرده و سپس با استفاده از تابع rbind() آن‌ها را به هم متصل کنیم.

در مثال زیر، یک دیتا فریم با ردیف‌های جدید ایجاد می‌کنیم و آن را با دیتا فریم موجود ادغام می‌کنیم تا دیتا فریم نهایی ایجاد شود.

# ایجاد فریم داده اول
emp.data <- data.frame(
   emp_id = c (1:5), 
   emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),
   salary = c(623.3,515.2,611.0,729.0,843.25), 
   start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",
      "2015-03-27")),
   dept = c("IT","Operations","IT","HR","Finance"),
   stringsAsFactors = FALSE
)

# ایجاد فریم داده دوم
emp.newdata <- data.frame(
   emp_id = c (6:8), 
   emp_name = c("Rasmi","Pranab","Tusar"),
   salary = c(578.0,722.5,632.8), 
   start_date = as.Date(c("2013-05-21","2013-07-30","2014-06-17")),
   dept = c("IT","Operations","Fianance"),
   stringsAsFactors = FALSE
)

# ترکیب دو فریم داده
emp.finaldata <- rbind(emp.data, emp.newdata)
print(emp.finaldata)

# ایجاد فریم داده اول

emp.data <- data.frame(

emp_id = c (1:5),

emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),

salary = c(623.3,515.2,611.0,729.0,843.25),

start_date = as.Date(c("2012-01-01", "2013-09-23", "2014-11-15", "2014-05-11",

"2015-03-27")),

dept = c("IT","Operations","IT","HR","Finance"),

stringsAsFactors = FALSE

)

# ایجاد فریم داده دوم

emp.newdata <- data.frame(

emp_id = c (6:8),

emp_name = c("Rasmi","Pranab","Tusar"),

salary = c(578.0,722.5,632.8),

start_date = as.Date(c("2013-05-21","2013-07-30","2014-06-17")),

dept = c("IT","Operations","Fianance"),

stringsAsFactors = FALSE

)

# ترکیب دو فریم داده

emp.finaldata <- rbind(emp.data, emp.newdata)

print(emp.finaldata)

وقتی کد بالا را اجرا می‌کنیم، نتیجه زیر را تولید می‌کند:

  emp_id     emp_name    salary     start_date       dept
1      1     Rick        623.30     2012-01-01       IT
2      2     Dan         515.20     2013-09-23       Operations
3      3     Michelle    611.00     2014-11-15       IT
4      4     Ryan        729.00     2014-05-11       HR
5      5     Gary        843.25     2015-03-27       Finance
6      6     Rasmi       578.00     2013-05-21       IT
7      7     Pranab      722.50     2013-07-30       Operations
8      8     Tusar       632.80     2014-06-17       Fianance