关于r：创建一个空的data.frame


Create an empty data.frame

我正在尝试初始化一个没有任何行的data.frame。基本上，我想为每一列指定数据类型并命名它们，但结果并没有创建任何行。

到目前为止，我能做的最好的事情是：

1
2
3
df <- data.frame(Date=as.Date("01/01/2000", format="%m/%d/%Y"),
                 File="", User="", stringsAsFactors=FALSE)
df <- df[-1,]

这将创建一个data.frame，其中一行包含我想要的所有数据类型和列名，但也会创建一个无用的行，然后需要删除该行。

有更好的方法吗？

只是用空向量初始化它：

1
2
3
4
df <- data.frame(Date=as.Date(character()),
                 File=character(),
                 User=character(),
                 stringsAsFactors=FALSE)

下面是另一个具有不同列类型的示例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
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.：

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。从一开始就拥有正确的列类型的意义上来说，这个方法只是稍微安全一点，因此如果代码依赖于某种列类型检查，那么它甚至可以与零行的data.frame一起工作。

相关讨论

如果您已经有了一个现有的数据帧，比如说拥有所需列的df，那么您可以通过删除所有行来创建一个空的数据帧：

1
empty_df = df[FALSE,]

注意，df仍然包含数据，但empty_df没有。

我发现这个问题是在寻找如何创建一个空行的新实例，所以我认为它可能对一些人有帮助。

相关讨论

可以在不指定列类型的情况下执行此操作

1
2
3
df = data.frame(matrix(vector(), 0, 3,
                dimnames=list(c(), c("Date","File","User"))),
                stringsAsFactors=F)
相关讨论

您可以使用带空字符串的read.table作为输入text如下：

1
2
3
4
5
6
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：

1
df <- read.csv(text="Date,File,User", colClasses = colClasses)

感谢理查德·斯克里文的改进

相关讨论

最有效的方法是使用structure创建一个具有类"data.frame"的列表：

1
2
3
4
structure(list(Date = as.Date(character()), File = character(), User = character()),
          class ="data.frame")
# [1] Date File User
# <0 rows> (or 0-length row.names)

与目前公认的答案相比，要将这一点考虑进去，这里有一个简单的基准：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
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
相关讨论

如果您正在查找短信息：

1
read.csv(text="col1,col2")

所以不需要单独指定列名。在填充数据帧之前，将得到默认的列类型logical。

相关讨论

刚刚宣布

1
table = data.frame()

当您尝试使用cx1〔10〕的第一行时，它将创建列

相关讨论

我用以下代码创建了空数据帧

1
df = data.frame(id = numeric(0), jobs = numeric(0));

并尝试绑定一些行来填充相同的内容，如下所示。

1
2
newrow = c(3, 4)
df <- rbind(df, newrow)

但它开始给出错误的列名，如下所示

1
2
  X3 X4
1  3  4

解决方法是将newrow转换为df类型，如下所示

1
2
newrow = data.frame(id=3, jobs=4)
df <- rbind(df, newrow)

现在，在显示列名称时给出正确的数据框，如下所示

1
2
  id nobs
1  3   4

如果不介意显式地指定数据类型，可以这样做：

1
2
3
4
5
6
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)

如果要使用动态名称(变量中的列名称)创建空的data.frame，这有助于：

1
2
3
names <- c("v","u","w")
df <- data.frame()
for (k in names) df[[k]]<-as.numeric()

如果需要，也可以更改类型。像：

1
2
3
4
names <- c("u","v")
df <- data.frame()
df[[names[1]]] <- as.numeric()
df[[names[2]]] <- as.character()

若要创建空数据帧，请将所需的行数和列数传入以下函数：

1
2
3
4
create_empty_table <- function(num_rows, num_cols) {
    frame <- data.frame(matrix(NA, nrow = num_rows, ncol = num_cols))
    return(frame)
}

要在指定每个列的类的同时创建空帧，只需将所需数据类型的向量传递到以下函数中：

1
2
3
4
5
6
7
8
9
10
11
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)
}

用途如下：

1
df <- create_empty_table(3, 3, c('character','logical','numeric'))

它给出：

1
2
3
4
   X1  X2 X3
1 <NA> NA NA
2 <NA> NA NA
3 <NA> NA NA

要确认您的选择，请运行以下操作：

1
2
3
4
5
6
7
8
9
10
11
lapply(df, class)

#output
$X1
[1]"character"

$X2
[1]"logical"

$X3
[1]"numeric"
相关讨论

如果您想用许多列声明这样一个data.frame，那么手工输入所有列类可能会很麻烦。特别是如果您可以使用rep，那么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15%)：

如果所需的列类位于vector colClasses中，则可以执行以下操作：

1
2
library(data.table)
setnames(setDF(lapply(colClasses, function(x) eval(call(x)))), col.names)

lapply将生成一个所需长度的列表，其中每个元素都只是一个空类型的向量，如numeric()或integer()。

setDF通过引用data.frame来转换该list。

setnames通过引用添加所需名称。

速度比较：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
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：

1
2
3
4
5
6
7
8
9
10
11
12
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

通过使用data.table，我们可以为每一列指定数据类型。

1
2
library(data.table)    
data=data.table(a=numeric(), b=numeric(), c=numeric())

这个问题并没有具体解决我的问题(在这里概述)，但是如果有人想用参数化的列数来解决这个问题，而不是强制：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
> 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在相关问题上所说，

...the reason [coercion] occurs [when cbinding matrices and their constituent types] is that a matrix can only have a
single data type. When you cbind 2 matrices, the result is still a
matrix and so the variables are all coerced into a single type before
converting to a data.frame

假设您的列名是动态的，您可以创建一个名为matrix的空行并将其转换为数据帧。

1
2
nms <- sample(LETTERS,sample(1:10))
as.data.frame(t(matrix(nrow=length(nms),ncol=0,dimnames=list(nms))))
相关讨论