R03: dataframe跟數據整理

4 min readJan 20, 2023

Basic function

首先要知道怎麼整理數據，就不能不先介紹R裡面的一種資料型態，dataframe，大部分csv、txt等檔案讀入的數據型態都是dataframe。而要如何去某一資料的格式，你可以使用class()

> class(EV)
[1] "data.frame"

以我這個EV的dataframe來說，他是一組1352rows有4columns的數據，每個columns有其特定名稱。

> dim(EV)
[1] 1352    4
> colnames(EV)
[1] "year"     "region"   "variable" "value"
> length(EV)
[1] 4
> nrow(EV)
[1] 1352
> ncol(EV)
[1] 4

如果你想取出某一特定row/col的資料可以使用dataframe[row,col]，如果想取出特定column的數據可以使用dataframe$COLNAME, dataframe[‘COLNAME’],dataframe[,# of column]

> EV[5,4]
[1] 12308.29
> EV$value[5]
[1] 12308.29
> EV[,4]
> EV$value
> EV['value']

基本functions

head 可以幫助你快速檢視dataframe的結構跟大致的column name

head(tmp_data)
      Line Model_year        Model_desc Body_style Global_Market selling_state COUNTRY_STATE
1 TITAN XD       2019 TXD V8D 4X4 SL CC   CREW CAB           USA            FL        USA_FL
2 TITAN XD       2019 TXD V8D 4X4 PL CC   CREW CAB           USA            TX        USA_TX
3 TITAN XD       2019 TXD V8D 4X4 PL CC   CREW CAB           USA            TX        USA_TX
4 TITAN XD       2019 TXD V8D 4X4 SV CC   CREW CAB           USA            FL        USA_FL
5 TITAN XD       2019 TXD V8D 4X4 PL CC   CREW CAB           USA            FL        USA_FL
6 TITAN XD       2019 TXD V8D 4X4 PL CC   CREW CAB           USA            AL        USA_AL

summary 可以return某個numeric數據總解，包含最大最小值、平均、中位數、25%跟75%

summary(tmp_data$Model_year)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   2016    2016    2017    2017    2018    2019 
max(tmp_data$Model_year)
[1] 2019

which 用來找出特定數據的功能，也可以搭配which.max、which.min使用

> which(tmp_data_USA$selling_state == "NC")
   [1]   156   213   255   267   274   290   301   402   416   430   526   529   541   566   675   718   744   797   820   844   849   896   902

is.na() fuction可以幫我們找出來data.frame裡面的NA值，回傳會是每個index的True/False可以搭配which使用找出NA值的位置，同理還有is.null()、is.numeric()等等

which(is.na(tmp_data$DCM.ID))
   [1]    4    7   10   13   15   21   22   26   33   35   49   50   57   67   76   93   95   96  100  101  102  103  104  105  107  108  109
  [28]  110  111  112  113  114  115  116  117  118  119  120  121  122  123  124  125  126  127  128  129  132  134  136  137  138  140  147
  [55]  148  151  153  154  155  156  157  158  159  160  161  162  164  168  170  172  180  182  192  207  209  211  212  213  230  237  243
  [82]  247  252  255  259  261  262  263  264  265  266  267  268  269  270  271  272  273  274  275  276  277  278  279  280  281  282  283

R03: dataframe跟數據整理

Written by Jiaoyan Huang