Questa è una vecchia versione del documento!
Indice
Dataframe
Quella che i manuali di metodologia della ricerca sociale sono soliti chiamare matrice dei dati, in R si chiama dataframe.
Un dataframe è una lista di vettori (le variabili), che devono avere tutti la stessa lunghezza (numero di casi), ma possono essere di tipo diverso: variabili nominali (fattori), variabili cardinali (vettori numerici), ecc.
Il termine matrice (matrix), invece, sta ad indicare una struttura di dati in cui tutti gli elementi (i valori) sono di uno stesso tipo.
Un dataframe composto esclusivamente di valori numerici può infatti essere facilmente trasformato in una matrice, con la funzione as.matrix().
Un dataframe può essere ⇒ costruito inserendo i dati direttamente in R oppure — come più comunemente avviene — importando i dati da altre applicazioni.
Una volta caricato, un dataframe diventa un'oggetto del Workspace (area di lavoro), e può essere ⇒ richiamato nei comandi, per poter svolgere l'analisi dei dati. All'interno del workspace possono essere disponibili diversi dataframe alla volta.
Costruzione del dataframe
- Inserimento dei dati,
data.frame() - Inserimento dei dati in base a condizioni: Vedi: Ricodifica: sostituzione di valori in base a condizioni
- Trasformare un altro oggetto in dataframe:
as.data.frame()
Per avere informazioni sintetiche sulla struttura del dataframe:
str(myfile)
Salvataggio e caricamento da file
Per salvare il dataframe in un file separato da quello del worspace:
save(ChickWeight, file="mydata.RData")
Per caricare un dataframe salvato:
load("mydata.RData")
Per salvare il dataframe in un altro formato di file, vedi Esportare la base-dati e Esportare i dati con RCommander
Recupero delle informazioni
vedi: Indicizzazione
Gli elementi del dataframe (vettori-riga, vettori-colonna, celle), sono indicizzati.
Righe e colonne sono indicizzati con la notazione [r,c]: [4,] indica ad esempio la quarta riga, mentre [,3] indica la terza colonna.
Colonne (variabili)
La funzione colnames consente di avere l'elenco delle variabili incluse nel dataframe (numero e nome):
> data("ChickWeight")
> colnames(ChickWeight)
[1] "weight" "Time" "Chick" "Diet"
> ChickWeight[1]
weight
1 42
2 51
3 59
.. ...
restituisce il primo vettore colonna, ovvero la prima variabile contenuta nel dataframe, in colonna.
> ChickWeight[,1] [1] 42 51 59 64 76 93 106 125 149 171 199 205 40 49 58 72 84 103 [19] 122 138 162 187 209 215 43 39 55 67 84 99 115 138 163 187 198 202 [37] 42 49 56 67 74 87 102 108 136 154 160 157 41 42 48 60 79 106 ....
restituisce il primo vettore colonna, ovvero la prima variabile contenuta nel dataframe, in riga, e corrisponde a
ChickWeight$weight ChickWeight[[1]] ChickWeight[["weight"]] Chickweight[,"weight"]
Righe (casi)
La funzione rownames consente di avere l'elenco dei casi del dataframe:
rownames(ChickWeight) [1] "1" "2" "3" "4" "5" "6" "7" "8" "9" [10] "10" "11" "12" "13" "14" "15" "16" "17" "18" ... [577] "577" "578"
ChickWeight[1,]
restituisce i dati del primo caso del dataframe.
Se le righe hanno un nome, possono essere richiamate anche facendo riferimento ad esso:
Chickweight["1",]
weight Time Chick Diet 1 42 0 1 1
Valori (dati)
Per visualizzare singoli valori all'interno del dataframe, è sufficiente indicare sia il numero di riga del caso, che il numero o il nome fra apici della variabile (colonna):
> ChickWeight[310,"Diet"] [1] 2 Levels: 1 2 3 4
È anche possibile recuperare le informazioni attraverso l'uso degli Operatori. Ad es., per visualizzare tutti i casi che presentano un certo valore:
ChickWeight$Diet[ChickWeight$Diet==3]
Per modificare il valore (vedi anche Ricodificare le variabili):
mydata[310,"Genere"]<-"Uomo"
Numero di colonne e di righe
Dal momento che un dataframe è una lista di vettori, possiamo ottenere il numero di colonne con length() (= lunghezza della lista), o, più semplicemente con ncol():
length(ChickWeight)
[1] 4
ncol(ChickWeight)
[1] 4
Per sapere il numero delle righe, useremo invece nrow():
nrow(ChickWeight)
[1] 578
Recupero veloce (attach)
Per poter richiamare direttamente un elemento del dataframe, senza doverne digitare il nome, è possibile utilizzare il comando attach:
attach(mydata)
attach(ChickWeight) weight [1] 42 51 59 64 76 93 106 125 149 171 199 205 ... [20] 138 162 187 209 215 43 39 55 67 84 99 115 ... ...
Attenzione
In questo caso, R utilizza e fa riferimento ad una immagine del dataframe: questo significa che eventuali modifiche ai dati non verranno salvate nel dataframe originale.
Per tornare alla situazione precedente, o per lavorare con un altro file, usare il comando detach.
detach(mydata)
Vedi anche
Script di esempio
- Esempio Lab4.R
# Uso il dataset di esempio data("ChickWeight") # Struttura del dataset str(ChickWeight) # Elenco delle variabili colnames(ChickWeight) # Richiamare le variabili ChickWeight[1] ChickWeight[,1] ChickWeight$weight ChickWeight[[1]] ChickWeight$weight ChickWeight[[1]] ChickWeight[["weight"]] Chickweight[,"weight"] # Elenco dei casi rownames(ChickWeight) # Richiamare i casi ChickWeight[1,] ChickWeight["1",] # Richiamare i valori ChickWeight[310,"Diet"] ChickWeight$Diet[ChickWeight$Diet==3] # attach: recupero veloce attach(ChickWeight) weight detach(ChickWeight)