标签：数据结构 top code and scribe 构建 筛选 统计 read
一、Python
数据框就是典型的关系型数据库的数据存储形式，每一行是一条记录，每一列是一个属性,最终构成表格的形式，这是数据科学家必须熟悉的最典型的数据结构。
1.构建数据框
import pandas as pd
data = {‘year‘:[2010, 2011, 2012, 2010, 2011, 2012, 2010, 2011, 2012],
‘team‘:[‘FCBarcelona‘, ‘FCBarcelona‘, ‘FCBarcelona‘, ‘RMadrid‘, ‘RMadrid‘, ‘RMadrid‘, ‘ValenciaCF‘, ‘ValenciaCF‘, ‘ValenciaCF‘],
‘wins‘:[30, 28, 32, 29, 32, 26, 21, 17, 19],
‘draws‘: [6, 7, 4, 5, 4, 7, 8, 10, 8],
‘losses‘: [2, 3, 2, 4, 2, 5, 9, 11, 11] }
# 构建数据框
football = pd.DataFrame(data, columns = [‘year‘,‘team‘,‘wins‘,‘draws‘,‘losses‘])
type(data)
type(football)
2.读取csv文件
# 读取csv文件
edu = pd.read_csv(‘C:\\Users\\Hider\\Desktop\\educ_figdp_1_Data.csv‘, na_values=‘:‘,usecols=[‘TIME‘,‘GEO‘,‘Value‘])
# na_values 把“：”符号认为缺失值
3.统计描述
# 前几行 缺失值取5行
edu.head(10)
# 后几行 缺失值取5行
edu.tail(10)
# 列名
edu.columns
# 行名
edu.index
# 汇总统计
edu.describe()
# count/mean/std/min/25%/50%/75%/max
二、R语言
R语言中自带data.frame数据框格式，tidyverse包中所使用的tibble类型更是数据框的增强版。
1.构建数据框
install.packages("dplyr")
install.packages("tidyverse")
library(dplyr)
library(tidyverse)
year=c(2010, 2011, 2012, 2010, 2011, 2012, 2010, 2011, 2012)
team=c(‘FCBarcelona‘, ‘FCBarcelona‘, ‘FCBarcelona‘, ‘RMadrid‘, ‘RMadrid‘, ‘RMadrid‘, ‘ValenciaCF‘, ‘ValenciaCF‘, ‘ValenciaCF‘)
wins=c(30, 28, 32, 29, 32, 26, 21, 17, 19)
draws=c(6, 7, 4, 5, 4, 7, 8, 10, 8)
losses=c(2, 3, 2, 4, 2, 5, 9, 11, 11)
football <- tibble(year,team,wins,draws,losses)
2.读取csv文件
read.csv(‘C:\\Users\\Hider\\Desktop\\educ_figdp_1_Data.csv‘,na=‘:‘,) %>% select(TIME,GEO,Value) -> edu
3.统计描述
edu %>% head
edu %>% tail
edu %>% colnames
edu %>% rownames
edu %>% summary
# 在tidyverse生态中的tibble是增强型的data.frame
# 管道操作 %>%
三、对比
1.Python需要调用pandas包，R可以不用，但使用tidyverse包中的tibble更强；
2.Python使用字典来构建，R中通过等长向量来合并生成；
3.Python读取csv时可以选取列，R中是先读进内存再做筛选；
4.Python缺失值为NaN，R中为NA；
5.Python的index由0开始，R由1开始；
6.R可向右赋值，更加灵活，并且单向的管道函数“%>%”能更加自由的揉捏数据。
END 2018-11-01 00:22:43
R vs Python：构建data.frame、读取csv与统计描述
标签：数据结构 top code and scribe 构建 筛选 统计 read
原文地址：https://www.cnblogs.com/hider/p/9886737.html
