小洁详解《R数据科学》--第七章 tibble

小洁写于2018.9.28。 非常凑巧打开后台看到正好600人，不知道是不是要放假了的缘故，我怎么精力不太集中呢。

英文版书籍地址：http://r4ds.had.co.nz/
中文版第7章对应英文版第10章。

1.简介

data.frame: R内置的传统数据框
tibble：简单数据框，用tidyverse中的tibble包实现。

library(tidyverse)

2.创建tibble

(1)将dataframe转换为tibble：

as_tibble(iris)

(2)tibble()新建tibble

tibble(
  x = 1:5,
  y = 1,
  z = x ^ 2 + y
)

引用无效变量名-用反引号括起来
tb <- tibble(
  `:)` = "smile",
  ` ` = "space",
  `2000` = "number"
)
tb

(3)tribble()列标题以~开头，数据条目以逗号分割

tribble(
  ~x, ~y, ~z,
  "a", 2, 3.6,
  "b", 1, 8.5
)

3.对比tibble与data.frame

（1）打印

tb2 <- tibble(
  a = lubridate::now() + runif(1e3) * 86400,
  b = lubridate::today() + runif(1e3) * 30,
  c = 1:1e3,
  d = runif(1e3),
  e = sample(letters, 1e3, replace = TRUE)
)

新建了一个5列1000行的tibble（1e3的运算结果是1000）

默认：

只显示前十行，列显示情况适配屏幕，显示列数据类型。

自定义调整：

①print()

nycflights13::flights %>%
  print(n = 10, width = Inf)
#width = Inf输出所有列

② options

options(tibble.print_max = 1001, tibble.print_min = 7) #中文版此处有误
#如果多于m 行，则只打印出n行
options(tibble.print_min = Inf) #打印所有行
options(tibble.width = Inf) #打印所有列
tb2

③ 查看整个数据集

class(nycflights13::flights)
nycflights13::flights %>%
  View()

3.2取子集

df <- tibble(
  x = runif(5),
  y = rnorm(5)
)

df$x # 按名称提取
df[["x"]]# 按名称提取
df[[1]] # 按位置提取

#要想在管道中使用这些提取操作，需要使用特殊的占位符.(英文句点)：
df %>% .$x
df %>% .[["x"]]
df %>% .$x

4.与旧代码进行交互

as.data.frame(tb) #将tibble 转换回data.frame
class(as.data.frame(tb)) #查看转换后的类型

5.练习

(1) 如何识别一个对象是否为tibble ？

用is.tibble()
is.tibble(mtcars)
is.tibble(as.tibble(mtcars))
class(as.tibble(mtcars))
#[1] "tbl_df"     "tbl"        "data.frame"

(2) 对比在data.frame 和等价的tibble 上进行的以下操作。有何区别？为什么默认的数据框操作会让人感到沮丧？

df <- data.frame(abc = 1, xyz = "a")
df$x (#列名部分匹配也会被输出)
df[, "xyz"]
df[, c("abc", "xyz")]

tb <- as.tibble(df)
tb$x (#列名不完全匹配则报错)
tb[, "xyz"]
tb[, c("abc", "xyz")]

(3) 如果将一个变量的名称保存在一个对象中，如var <- "mpg"，如何从tibble 中提取出这个变量？
var <- "mpg"
用df[[var]]，不能用$。
(4) 在以下的数据框中练习如何引用不符合语法规则的变量名。

annoying <- tibble(
  `1` = 1:10,
  `2` = `1` * 2 + rnorm(length(`1`))
)

a. 提取名称为1 的变量。

annoying$`1`
annoying[["1"]]

b. 绘制表示变量1 和变量2 关系的散点图。

plot(annoying$`1`,annoying$`2`)
ggplot(annoying, aes(x = `1`, y = `2`)) +
  geom_point()

c. 创建一个名称为3 的新列，其值为列2 除以列1。

annoying[["3"]] <- annoying$`2` / annoying$`1`
annoying[["3"]] <- annoying[["2"]] / annoying[["1"]]
annoying <- tibble(
  `1` = 1:10,
  `2` = `1` * 2 + rnorm(length(`1`)),
  `3` =`2`/`1`
)

d. 将这些列重新命名为one、two 和three。

annoying <- rename(annoying, one = `1`, two = `2`, three = `3`)
glimpse(annoying)

names(annoying)=c("one","two","three")

(5) tibble::enframe() 函数的功能是什么？什么时候可以使用这个函数？

?enframe #查看帮助文档
#enframe() converts named atomic vectors or lists to two-column data frames. #For unnamed vectors, the natural sequence is used as name column.
#即将命名向量转换为具有名称和值的数据框
enframe(c(a = 5, b = 7))

(6) 哪个选项控制在tibble 底部打印的额外列名称的数量？

?print.tbl_df  #查看帮助文档
#n_extra
#Number of extra columns to print abbreviated information for, if the width is #too small for the entire tibble. If NULL, the default, will print information about #at most tibble.max_extra_cols extra columns.

友情链接：
生信技能树公益视频合辑：学习顺序是linux，r，软件安装，geo，小技巧，ngs组学！
B站链接：https://m.bilibili.com/space/338686099
YouTube链接：https://m.youtube.com/channel/UC67sImqK7V8tSWHMG8azIVA/playlists
生信工程师入门最佳指南：https://mp.weixin.qq.com/s/vaX4ttaLIa19MefD86WfUA
学徒培养：https://mp.weixin.qq.com/s/3jw3_PgZXYd7FomxEMxFmw