Buat data.frame kosong

Saya mencoba menginisialisasi data.frame tanpa baris. Pada dasarnya, saya ingin menentukan tipe data untuk setiap kolom dan menamainya, tetapi hasilnya tidak ada baris yang dibuat.

Yang terbaik yang bisa saya lakukan sejauh ini adalah sesuatu seperti:

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

Yang membuat data.frame dengan satu baris berisi semua tipe data dan nama kolom yang saya inginkan, tetapi juga membuat baris yang tidak berguna yang kemudian perlu dihapus.

Apakah ada cara yang lebih baik untuk melakukan ini?

Inisialisasi dengan vektor kosong:

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

Berikut ini contoh lain dengan berbagai jenis kolom:

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 

NB:

Menginisialisasi data.framedengan kolom kosong dari jenis yang salah tidak mencegah penambahan lebih lanjut dari baris memiliki kolom dari jenis yang berbeda.
Metode ini hanya sedikit lebih aman dalam arti bahwa Anda akan memiliki jenis kolom yang benar dari awal, maka jika kode Anda bergantung pada beberapa jenis pemeriksaan kolom, itu akan bekerja bahkan dengan data.framedengan nol baris.

Jika Anda sudah memiliki bingkai data yang ada , katakanlah dfyang memiliki kolom yang Anda inginkan, maka Anda bisa membuat bingkai data kosong dengan menghapus semua baris:

empty_df = df[FALSE,]

Perhatikan bahwa dfmasih berisi data, tetapiempty_df tidak.

Saya menemukan pertanyaan ini mencari cara membuat contoh baru dengan baris kosong, jadi saya pikir ini mungkin bermanfaat bagi sebagian orang.

Anda dapat melakukannya tanpa menentukan jenis kolom

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

Anda dapat menggunakan read.tabledengan string kosong untuk input textsebagai berikut:

colClasses = c("Date", "character", "character")
col.names = c("Date", "File", "User")

df <- read.table(text = "",
                 colClasses = colClasses,
                 col.names = col.names)

Cara lainnya menentukan col.namesstring:

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

Terima kasih kepada Richard Scriven untuk perbaikannya

Cara paling efisien untuk melakukan ini adalah menggunakan structureuntuk membuat daftar yang memiliki kelas "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)

Untuk menempatkan ini dalam perspektif dibandingkan dengan jawaban yang saat ini diterima, berikut ini adalah tolok ukur sederhana:

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

Nyatakan saja

table = data.frame()

ketika Anda mencoba ke rbindbaris pertama itu akan membuat kolom

Jika Anda mencari kekurangan:

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

jadi Anda tidak perlu menentukan nama kolom secara terpisah. Anda mendapatkan tipe kolom default logis sampai Anda mengisi bingkai data.

Saya membuat bingkai data kosong menggunakan kode berikut

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

dan mencoba mengikat beberapa baris untuk mengisi yang sama sebagai berikut.

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

tetapi mulai memberikan nama kolom yang salah sebagai berikut

  X3 X4
1  3  4

Solusi untuk ini adalah untuk mengkonversi newrow ke tipe df sebagai berikut

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

sekarang memberikan bingkai data yang benar ketika ditampilkan dengan nama kolom sebagai berikut

  id nobs
1  3   4 

Untuk membuat bingkai data kosong , masukkan jumlah baris dan kolom yang diperlukan ke fungsi berikut:

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

Untuk membuat bingkai kosong sambil menentukan kelas setiap kolom , cukup lewati vektor tipe data yang diinginkan ke dalam fungsi berikut:

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)
}

Gunakan sebagai berikut:

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

Pemberian yang mana:

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

Untuk mengkonfirmasi pilihan Anda, jalankan yang berikut:

lapply(df, class)

#output
$X1
[1] "character"

$X2
[1] "logical"

$X3
[1] "numeric"

Jika Anda ingin membuat bingkai data kosong dengan nama dinamis (nama dalam variabel), ini dapat membantu:

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

Anda dapat mengubah jenisnya juga jika Anda membutuhkannya. Suka:

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

Jika Anda tidak keberatan tidak menentukan tipe data secara eksplisit, Anda dapat melakukannya dengan cara ini:

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)

Dengan Menggunakan, data.tablekami dapat menentukan tipe data untuk setiap kolom.

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

Jika Anda ingin mendeklarasikannya data.framedengan banyak kolom, mungkin akan merepotkan untuk mengetikkan semua kelas kolom dengan tangan. Terutama jika Anda dapat memanfaatkannya rep, pendekatan ini mudah dan cepat (sekitar 15% lebih cepat daripada solusi lain yang dapat digeneralisasi seperti ini):

Jika kelas kolom yang Anda inginkan dalam vektor colClasses, Anda dapat melakukan hal berikut:

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

lapplyakan menghasilkan daftar panjang yang diinginkan, setiap elemen yang hanya berupa vektor diketik kosong seperti numeric()atau integer().

setDFmengonversinya listdengan mengacu pada a data.frame.

setnames menambahkan nama yang diinginkan dengan referensi.

Perbandingan kecepatan:

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 

Ini juga lebih cepat daripada menggunakan structuredengan cara yang serupa:

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

Katakanlah nama kolom Anda dinamis, Anda dapat membuat matriks bernama baris kosong dan mengubahnya menjadi bingkai data.

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

Pertanyaan ini tidak secara khusus membahas masalah saya (dijelaskan di sini ) tetapi jika ada orang yang ingin melakukan ini dengan jumlah kolom parameter dan tanpa paksaan:

> 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>

Seperti yang divibisan nyatakan pada pertanyaan terkait,

... alasan [pemaksaan] terjadi [ketika matriks mengikat dan tipe-tipe pembentuknya] adalah bahwa sebuah matriks hanya dapat memiliki tipe data tunggal. Saat Anda mengikat 2 matriks, hasilnya masih berupa matriks sehingga semua variabel dipaksa menjadi satu jenis sebelum dikonversi ke data.frame

Jika Anda sudah memiliki kerangka data, Anda dapat mengekstrak metadata (nama kolom dan jenis) dari kerangka data (misalnya jika Anda mengendalikan BUG yang hanya dipicu dengan input tertentu dan memerlukan kerangka Data boneka kosong):

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)))

Dan kemudian gunakan read.tableuntuk membuat kerangka data kosong

read.table(text = "",
   colClasses = c('integer', 'factor'),
   col.names = c('col1', 'col2'))