R vs Python：构建data.frame、读取csv与统计描述

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