3.4 Dataframe
Un dataframe es un objeto de dos dimensiones en R. Puede verse como un arreglo de vectores de la misma dimensión, similar a una matriz.
La ventaja de un dataframe, es que a diferencia de una matriz, los vectores o columnas pueden ser de diferentes tipos.En general, funcionan para guardar tablas de datos. Donde las columnas representan variables y los renglones observaciones. Es similar a la carga de datos en paquetes estadísticos como SAS y SPSS.
3.4.1 Crear un dataframe
En R se crean dataframes con la función data.frame().
Una forma de crear un dataframe es asignando vectores.
muestra_df <- data.frame(secuencia = 1:5,
aleatorio = rnorm(5),
letras = c("a", "b", "c", "d", "e"))
muestra_df## secuencia aleatorio letras
## 1 1 0.4663137 a
## 2 2 -1.0043280 b
## 3 3 -0.6544573 c
## 4 4 -0.2315481 d
## 5 5 -0.2093135 eO bien, se pude transformar una matriz con la misma función. Tomemos los datos de los ingresos de las películas de la saga de HP y hagamos una matriz.
sales_df <- data.frame(sales_mat)
sales_df## total release_date
## 1. HP and the Sorcerer's Stone 497066400 141823200
## 8. HP and the Deathly Hallows Part 2 426630300 189432500
## 4. HP and the Goblet of Fire 401608200 142414700
## 2. HP and the Chamber of Secrets 399302200 135197600
## 5. HP and the Order of the Phoenix 377314200 99635700
## 6. HP and the Half-Blood Prince 359788300 92756000
## 3. HP and the Prisoner of Azkaban 357233500 134119300
## 7. HP and the Deathly Hallows Part 1 328833900 1387521003.4.2 Nombres de dimensiones
Al igual que matrices, las funciones rownames() y colnames() permiten nombrar los renglones y columnas del objeto.
colnames(sales_df) <- c("total_grosses", "opening_grosses")
sales_df## total_grosses opening_grosses
## 1. HP and the Sorcerer's Stone 497066400 141823200
## 8. HP and the Deathly Hallows Part 2 426630300 189432500
## 4. HP and the Goblet of Fire 401608200 142414700
## 2. HP and the Chamber of Secrets 399302200 135197600
## 5. HP and the Order of the Phoenix 377314200 99635700
## 6. HP and the Half-Blood Prince 359788300 92756000
## 3. HP and the Prisoner of Azkaban 357233500 134119300
## 7. HP and the Deathly Hallows Part 1 328833900 1387521003.4.3 Seleccion de elementos
Para dataframes, ademas de seleccionar posiciones de renglones y columnas con [ , ], se puede usar el signo $.
sales_df$total_grosses## [1] 497066400 426630300 401608200 399302200 377314200 359788300 357233500
## [8] 328833900Usando este mismo signo se pueden agregar nuevas columnas al objeto.
Por ejemplo, tomemos los títulos que se heredaron de la matriz como nombres de columnas. Incluyamos una variable al dataframe de los títulos como un factor.
sales_df$title <- factor(rownames(sales_df))
sales_df## total_grosses opening_grosses
## 1. HP and the Sorcerer's Stone 497066400 141823200
## 8. HP and the Deathly Hallows Part 2 426630300 189432500
## 4. HP and the Goblet of Fire 401608200 142414700
## 2. HP and the Chamber of Secrets 399302200 135197600
## 5. HP and the Order of the Phoenix 377314200 99635700
## 6. HP and the Half-Blood Prince 359788300 92756000
## 3. HP and the Prisoner of Azkaban 357233500 134119300
## 7. HP and the Deathly Hallows Part 1 328833900 138752100
## title
## 1. HP and the Sorcerer's Stone 1. HP and the Sorcerer's Stone
## 8. HP and the Deathly Hallows Part 2 8. HP and the Deathly Hallows Part 2
## 4. HP and the Goblet of Fire 4. HP and the Goblet of Fire
## 2. HP and the Chamber of Secrets 2. HP and the Chamber of Secrets
## 5. HP and the Order of the Phoenix 5. HP and the Order of the Phoenix
## 6. HP and the Half-Blood Prince 6. HP and the Half-Blood Prince
## 3. HP and the Prisoner of Azkaban 3. HP and the Prisoner of Azkaban
## 7. HP and the Deathly Hallows Part 1 7. HP and the Deathly Hallows Part 1Ahora los títulos de las películas son un factor con los siguientes niveles:
levels(sales_df$title)## [1] "1. HP and the Sorcerer's Stone"
## [2] "2. HP and the Chamber of Secrets"
## [3] "3. HP and the Prisoner of Azkaban"
## [4] "4. HP and the Goblet of Fire"
## [5] "5. HP and the Order of the Phoenix"
## [6] "6. HP and the Half-Blood Prince"
## [7] "7. HP and the Deathly Hallows Part 1"
## [8] "8. HP and the Deathly Hallows Part 2"Como los títulos ya los tenemos como una variable podemos borrar los nombres de los renglones usando NULL.
rownames(sales_df) <- NULL
sales_df## total_grosses opening_grosses title
## 1 497066400 141823200 1. HP and the Sorcerer's Stone
## 2 426630300 189432500 8. HP and the Deathly Hallows Part 2
## 3 401608200 142414700 4. HP and the Goblet of Fire
## 4 399302200 135197600 2. HP and the Chamber of Secrets
## 5 377314200 99635700 5. HP and the Order of the Phoenix
## 6 359788300 92756000 6. HP and the Half-Blood Prince
## 7 357233500 134119300 3. HP and the Prisoner of Azkaban
## 8 328833900 138752100 7. HP and the Deathly Hallows Part 1Ej: Salas de cine
Agrega una columna con el número de cines en los que se exhibió la película usando el vector que generamos antes theaters_vec.
sales_df$theaters <-
sales_df3.4.4 Orden de posiciones
La función order() ordena el vector y regresa la posición de los elementos ordenados de menor a mayor.
Siguiendo con el ejemplo de los ingresos de la saga, obtengamos el vector de posiciones de las películas ordenado por el total de ingresos.
El vector de total de ingresos es el siguiente:
sales_df$total_grosses## [1] 497066400 426630300 401608200 399302200 377314200 359788300 357233500
## [8] 328833900El vector con las posiciones ordenadas
total_order <- order(sales_df$total_grosses)
total_order## [1] 8 7 6 5 4 3 2 1Seleccionamos las posiciones del total de ingresos en el orden que nos dice el vector ordenado total_order para obtener el vector de ingresos ordenado.
sales_df$total_grosses[total_order]## [1] 328833900 357233500 359788300 377314200 399302200 401608200 426630300
## [8] 497066400De la misma forma, es posible ordenar el dataframe:
sales_order_df <- sales_df[ total_order , c(3, 1, 2)]
sales_order_df## title total_grosses opening_grosses
## 8 7. HP and the Deathly Hallows Part 1 328833900 138752100
## 7 3. HP and the Prisoner of Azkaban 357233500 134119300
## 6 6. HP and the Half-Blood Prince 359788300 92756000
## 5 5. HP and the Order of the Phoenix 377314200 99635700
## 4 2. HP and the Chamber of Secrets 399302200 135197600
## 3 4. HP and the Goblet of Fire 401608200 142414700
## 2 8. HP and the Deathly Hallows Part 2 426630300 189432500
## 1 1. HP and the Sorcerer's Stone 497066400 141823200Ej: Fechas de lanzamiento
Agrega otra columna al dataframe sales_order_df con las fechas de lanzamiento del vector que se presenta a continuación.
release_hp <- c("11/16/01", "7/15/11", "11/18/05", "11/15/02", "7/11/07", "7/15/09", "6/4/04", "11/19/10")
names(release_hp) <- titles_hp
release_hp## 1. HP and the Sorcerer's Stone 8. HP and the Deathly Hallows Part 2
## "11/16/01" "7/15/11"
## 4. HP and the Goblet of Fire 2. HP and the Chamber of Secrets
## "11/18/05" "11/15/02"
## 5. HP and the Order of the Phoenix 6. HP and the Half-Blood Prince
## "7/11/07" "7/15/09"
## 3. HP and the Prisoner of Azkaban 7. HP and the Deathly Hallows Part 1
## "6/4/04" "11/19/10"Existe un problema con este vector. Tiene el orden de la matriz original.
Usando la función order() arregla la posición del vector con el orden de los títulos y este vector arreglado inclúyelo, finalmente, al df.
sales_order_df$release_date <- release_hp[]
sales_order_df## title total_grosses opening_grosses
## 8 7. HP and the Deathly Hallows Part 1 328833900 138752100
## 7 3. HP and the Prisoner of Azkaban 357233500 134119300
## 6 6. HP and the Half-Blood Prince 359788300 92756000
## 5 5. HP and the Order of the Phoenix 377314200 99635700
## 4 2. HP and the Chamber of Secrets 399302200 135197600
## 3 4. HP and the Goblet of Fire 401608200 142414700
## 2 8. HP and the Deathly Hallows Part 2 426630300 189432500
## 1 1. HP and the Sorcerer's Stone 497066400 141823200
## release_date
## 8 11/19/10
## 7 6/4/04
## 6 7/15/09
## 5 7/11/07
## 4 11/15/02
## 3 11/18/05
## 2 7/15/11
## 1 11/16/013.4.5 Funciones útiles para data frames
Existen algunas que ayudan a tratar dataframes.
head()ytail():
head(sales_order_df)## title total_grosses opening_grosses
## 8 7. HP and the Deathly Hallows Part 1 328833900 138752100
## 7 3. HP and the Prisoner of Azkaban 357233500 134119300
## 6 6. HP and the Half-Blood Prince 359788300 92756000
## 5 5. HP and the Order of the Phoenix 377314200 99635700
## 4 2. HP and the Chamber of Secrets 399302200 135197600
## 3 4. HP and the Goblet of Fire 401608200 142414700
## release_date
## 8 11/19/10
## 7 6/4/04
## 6 7/15/09
## 5 7/11/07
## 4 11/15/02
## 3 11/18/05tail(sales_order_df)## title total_grosses opening_grosses
## 6 6. HP and the Half-Blood Prince 359788300 92756000
## 5 5. HP and the Order of the Phoenix 377314200 99635700
## 4 2. HP and the Chamber of Secrets 399302200 135197600
## 3 4. HP and the Goblet of Fire 401608200 142414700
## 2 8. HP and the Deathly Hallows Part 2 426630300 189432500
## 1 1. HP and the Sorcerer's Stone 497066400 141823200
## release_date
## 6 7/15/09
## 5 7/11/07
## 4 11/15/02
## 3 11/18/05
## 2 7/15/11
## 1 11/16/01str()
str(sales_order_df)## 'data.frame': 8 obs. of 4 variables:
## $ title : Factor w/ 8 levels "1. HP and the Sorcerer's Stone",..: 7 3 6 5 2 4 8 1
## $ total_grosses : num 3.29e+08 3.57e+08 3.60e+08 3.77e+08 3.99e+08 ...
## $ opening_grosses: num 1.39e+08 1.34e+08 9.28e+07 9.96e+07 1.35e+08 ...
## $ release_date : chr "11/19/10" "6/4/04" "7/15/09" "7/11/07" ...dim(),nrow()yncol()
nrow(sales_order_df)## [1] 8subset()
avg_total_gr <- mean(sales_order_df$total_grosses)
subset(sales_order_df, total_grosses > avg_total_gr)## title total_grosses opening_grosses
## 4 2. HP and the Chamber of Secrets 399302200 135197600
## 3 4. HP and the Goblet of Fire 401608200 142414700
## 2 8. HP and the Deathly Hallows Part 2 426630300 189432500
## 1 1. HP and the Sorcerer's Stone 497066400 141823200
## release_date
## 4 11/15/02
## 3 11/18/05
## 2 7/15/11
## 1 11/16/01