1. tibble简介
tibble 是一种简单数据框，它对传统数据框的功能进行了一些修改，以便更易于使用。R 是一门古老的语言，其中有些功能在 10 年或 20 年前是适用的，但现在已经过时。在不破坏现有代码的前提下，很难修改 R 的基础功能，因此多数革新都是以扩展包的方式出现的。本章会介绍 tibble 包，其所提供的简单数据框更易于在 tidyverse 中使用。多数情况下，我们会交替使用 tibble 和数据框这两个术语；如果想要特别强调 R 内置的传统数据框，我们会使用 data.frame 来表示。
如果读完本章后你还想学习有关 tibble 的更多知识，可以使用 vignette("tibble")命令。
2. 创建tibble
2.1 准备工作
tibble包是tidyverse的核心包之一
library(tidyverse)
2.2 创建
2.2.1 as_tibble()
tibble 是 tidyverse 的标准功能之一。由于多数其他 R 包使用的是标准数据框，因此你可能想要将数据框转换为 tibble。可以使
用 as_tibble() 函数来完成转换
as_tibble(iris)
# # A tibble: 150 x 5
# Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# <dbl> <dbl> <dbl> <dbl> <fct>
# 1 5.1 3.5 1.4 0.2 setosa
# 2 4.9 3 1.4 0.2 setosa
# 3 4.7 3.2 1.3 0.2 setosa
# 4 4.6 3.1 1.5 0.2 setosa
# 5 5 3.6 1.4 0.2 setosa
# 6 5.4 3.9 1.7 0.4 setosa
# 7 4.6 3.4 1.4 0.3 setosa
# 8 5 3.4 1.5 0.2 setosa
# 9 4.4 2.9 1.4 0.2 setosa
# 10 4.9 3.1 1.5 0.1 setosa
# # ... with 140 more rows
2.2.2 tibble()
可以通过 tibble() 函数使用一个向量来创建新 tibble。tibble() 会自动重复长度为 1 的输入，并可以使用刚刚创建的新变量
tibble(
x=1:5,
y=1,
z=x*2+y
)
# # A tibble: 5 x 3
# x y z
# <int> <dbl> <dbl>
# 1 1 1 3
# 2 2 1 5
# 3 3 1 7
# 4 4 1 9
# 5 5 1 11
tibble() 函数的功能要少得多：它不能改变输入的类型（例如，不能将字符串转换为因子）、变量的名称，也不能创建行名称。
可以在 tibble 中使用在 R 中无效的变量名称（即不符合语法的名称）作为列名称。例如，列名称可以不以字母开头，也可以包含特殊字符（如空格）。要想引用这样的变量，需要使用反引号 ` 将它们括起来
tibble(`:)` = "smile",
` ` = "space",
`2000` = "number")
# # A tibble: 1 x 3
# `:)` ` ` `2000`
# <chr> <chr> <chr>
# 1 smile space number
2.2.3 tribble()
创建 tibble 的另一种方法是使用 tribble() 函数，tribble 是 transposed tibble（转置 tibble）
的缩写。tribble() 是定制化的，可以对数据按行进行编码：列标题由公式（以 ~ 开头）定义，数据条目以逗号分隔，这样就可以用易读的方式对少量数据进行布局
tribble(
~x,~y,~z,
#--/--/----
"a",2,3.6,
"b",1,8.5
)
# # A tibble: 2 x 3
# x y z
# <chr> <dbl> <dbl>
# 1 a 2 3.6
# 2 b 1 8.5
3. 对比tibble与data.frame
tibble 和传统 data.frame 的使用方法主要有两处不同：打印和取子集
3.1 打印
tibble 的打印方法进行了优化，只显示前 10 行结果，并且列也是适合屏幕的，这种方式非常适合大数据集。除了打印列名，tibble 还会打印出列的类型，这项非常棒的功能借鉴于
str() 函数。
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)
)
# # A tibble: 1,000 x 5
# a b c d e
# <dttm> <date> <int> <dbl> <chr>
# 1 2020-09-17 08:51:54 2020-09-29 1 0.828 y
# 2 2020-09-17 00:52:46 2020-09-29 2 0.477 v
# 3 2020-09-17 21:40:49 2020-09-19 3 0.455 h
# 4 2020-09-17 05:41:40 2020-10-06 4 0.241 j
# 5 2020-09-17 12:05:58 2020-09-28 5 0.898 t
# 6 2020-09-17 19:20:18 2020-10-04 6 0.882 i
# 7 2020-09-17 22:17:16 2020-09-25 7 0.446 j
# 8 2020-09-17 19:54:45 2020-10-05 8 0.636 k
# 9 2020-09-17 11:25:12 2020-09-28 9 0.496 s
# 10 2020-09-17 02:16:04 2020-09-18 10 0.989 z
# # ... with 990 more rows
在打印大数据框时，tibble 的这种设计避免了输出占满整个控制台。但有时需要比默认显示更多的输出，这时就要设置几个选项。首先，可以明确使用 print() 函数来打印数据框，并控制打印的行数（n）和显示的宽度（width）。width = Inf 可以显示出所有列
nycflights13::flights %>%
print(n=10,width=Inf)
# # A tibble: 336,776 x 19
# year month day dep_time sched_dep_time dep_delay arr_time sched_arr_time arr_delay carrier flight tailnum origin dest air_time distance hour minute time_hour
# <int> <int> <int> <int> <int> <dbl> <int> <int> <dbl> <chr> <int> <chr> <chr> <chr> <dbl> <dbl> <dbl> <dbl> <dttm>
# 1 2013 1 1 517 515 2 830 819 11 UA 1545 N14228 EWR IAH 227 1400 5 15 2013-01-01 05:00:00
# 2 2013 1 1 533 529 4 850 830 20 UA 1714 N24211 LGA IAH 227 1416 5 29 2013-01-01 05:00:00
# 3 2013 1 1 542 540 2 923 850 33 AA 1141 N619AA JFK MIA 160 1089 5 40 2013-01-01 05:00:00
# 4 2013 1 1 544 545 -1 1004 1022 -18 B6 725 N804JB JFK BQN 183 1576 5 45 2013-01-01 05:00:00
# 5 2013 1 1 554 600 -6 812 837 -25 DL 461 N668DN LGA ATL 116 762 6 0 2013-01-01 06:00:00
# 6 2013 1 1 554 558 -4 740 728 12 UA 1696 N39463 EWR ORD 150 719 5 58 2013-01-01 05:00:00
# 7 2013 1 1 555 600 -5 913 854 19 B6 507 N516JB EWR FLL 158 1065 6 0 2013-01-01 06:00:00
# 8 2013 1 1 557 600 -3 709 723 -14 EV 5708 N829AS LGA IAD 53 229 6 0 2013-01-01 06:00:00
# 9 2013 1 1 557 600 -3 838 846 -8 B6 79 N593JB JFK MCO 140 944 6 0 2013-01-01 06:00:00
# 10 2013 1 1 558 600 -2 753 745 8 AA 301 N3ALAA LGA ORD 138 733 6 0 2013-01-01 06:00:00
# # ... with 336,766 more rows
可以通过设置以下选项来控制默认的打印方式
- options(tibble.print_max = n, tibble.pring_min = m)：如果多于 m 行，则只打印出 n行。options(tibble.print_min = Inf) 表示总是打印所有行。
- options(tibble.width = Inf) 表示总是打印所有列，不考虑屏幕的宽度
3.2 取子集
迄今为止，你学到的所有工具都是作用于整个数据框。如果想要提取单个变量，那么就需要一些新工具，如 $ 和 [[。[[可以按名称或位置提取变量；$只能按名称提取变量，但可以减少一些输入
# 按名称提取
mtcars$wt
# [1] 2.620 2.875 2.320 3.215 3.440 3.460 3.570 3.190 3.150 3.440 3.440 4.070 3.730 3.780 5.250 5.424 5.345 2.200 1.615 1.835 2.465 3.520 3.435 3.840 3.845 1.935 2.140 1.513 3.170 2.770 3.570
# [32] 2.780
(wt <- mtcars[["wt"]])
# [1] 2.620 2.875 2.320 3.215 3.440 3.460 3.570 3.190 3.150 3.440 3.440 4.070 3.730 3.780 5.250 5.424 5.345 2.200 1.615 1.835 2.465 3.520 3.435 3.840 3.845 1.935 2.140 1.513 3.170 2.770 3.570
# [32] 2.780
# 按位置提取
wt[[1]]
# [1] 2.62
# 要想在管道中使用这些提取操作，需要使用特殊的占位符 ".".
mtcars %>% .$wt
# [1] 2.620 2.875 2.320 3.215 3.440 3.460 3.570 3.190 3.150 3.440 3.440 4.070 3.730 3.780 5.250 5.424 5.345 2.200 1.615
# [20] 1.835 2.465 3.520 3.435 3.840 3.845 1.935 2.140 1.513 3.170 2.770 3.570 2.780
mtcars %>% .[["wt"]]
# [1] 2.620 2.875 2.320 3.215 3.440 3.460 3.570 3.190 3.150 3.440 3.440 4.070 3.730 3.780 5.250 5.424 5.345 2.200 1.615
# [20] 1.835 2.465 3.520 3.435 3.840 3.845 1.935 2.140 1.513 3.170 2.770 3.570 2.780
4 与旧代码进行交互
- 有些比较旧的函数不支持 tibble。如果遇到这种函数，可以使用 as.data.frame() 函数将tibble 转换回 data.frame
- 有些旧函数不支持 tibble 的主要原因在于 [ 的功能。本书没有使用太多的 [，因为dplyr::filter() 和 dplyr::select() 可以通过更加清晰的代码解决同样的问题。
- 对于 R 基础包中的数据框，[ 有时返回一个数据框，有时返回一个向量。对于 tibble，[ 则总是返回另一个 tibble。
网友评论