I tibble (o le tibble?) sono strutture di dati definite da una classe (tbl_df), costruita intorno ai data.frame, ma con comportamenti un po' diversi, soprattutto a schermo. Tutti i tibble sono quindi dataframe, ma non tutti i dataframe sono tibble.

library(tidyverse)
 
# un dataframe tibble
class(starwars)

[1] "tbl_df"     "tbl"        "data.frame"

Possiamo trasformare qualunque dataframe, con la funzione as_tibble():

class(mtcars)

[1] "data.frame"

as_tibble(mtcars)

# A tibble: 32 x 11
     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
 1  21       6  160    110  3.9   2.62  16.5     0     1     4     4
 2  21       6  160    110  3.9   2.88  17.0     0     1     4     4
 3  22.8     4  108     93  3.85  2.32  18.6     1     1     4     1
 4  21.4     6  258    110  3.08  3.22  19.4     1     0     3     1
 5  18.7     8  360    175  3.15  3.44  17.0     0     0     3     2
 6  18.1     6  225    105  2.76  3.46  20.2     1     0     3     1
 7  14.3     8  360    245  3.21  3.57  15.8     0     0     3     4
 8  24.4     4  147.    62  3.69  3.19  20       1     0     4     2
 9  22.8     4  141.    95  3.92  3.15  22.9     1     0     4     2
10  19.2     6  168.   123  3.92  3.44  18.3     1     0     4     4
# ... with 22 more rows

Quelle che seguono sono le caratteristiche specifiche più immediatamente evidenti all'utilizzatore di R (non programmatore).

La stampa a schermo (print) dell'oggetto facilita l'esplorazione del dataset, specialmente in fase di data wrangling, ovvero di trasformazione e ripulitura della base dati.

starwars

# A tibble: 87 x 14
   name  height  mass hair_color skin_color eye_color birth_year sex   gender
   <chr>  <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
 1 Luke~    172    77 blond      fair       blue            19   male  mascu~
 2 C-3PO    167    75 NA         gold       yellow         112   none  mascu~
 3 R2-D2     96    32 NA         white, bl~ red             33   none  mascu~
 4 Dart~    202   136 none       white      yellow          41.9 male  mascu~
 5 Leia~    150    49 brown      light      brown           19   fema~ femin~
 6 Owen~    178   120 brown, gr~ light      blue            52   male  mascu~
 7 Beru~    165    75 brown      light      blue            47   fema~ femin~
 8 R5-D4     97    32 NA         white, red red             NA   none  mascu~
 9 Bigg~    183    84 black      light      brown           24   male  mascu~
10 Obi-~    182    77 auburn, w~ fair       blue-gray       57   male  mascu~
# ... with 77 more rows, and 5 more variables: homeworld <chr>,
#   species <chr>, films <list>, vehicles <list>, starships <list>

1. La visualizzazione nella console è compatta: 10 righe, e il numero di colonne che entra senza “spaginare” la tabella; in questo modo, i nomi delle variabili sono ben visibili. Per visualizzare più righe, o altre righe, dovremo quindi scrivere espressamente, ad esempio, `starwars[11:25,]`. Le informazioni nascoste sono stampate in grigio sotto la tabella (… with 77 more rows, and 5 more variables: …);

2. In alto, sotto il nome di ogni variabile, viene indicato il tipo: <chr> <int> <dbl> …;

3. I campi di testo lunghi sono tagliati (brown, gr~);

4. I numeri sono allineati anche rispetto ai decimali.

Si tenga anche conto del fatto che l'uso di RStudio è quasi presupposto dai pacchetti del Tidyverse: la visualizzazione semplificata serve principalmente a controllare il contenuto dei dataset, e i risultati di eventuali trasformazioni, mentre il dataset completo può essere aperto e visualizzato facilmente, nel pannello degli script (Source), da interfaccia o con il comando View().

Come si vede sopra, una tibble, a differenza di un dataframe, può contenere anche delle liste (films <list>, vehicles <list>, starships <list>), purché il numero di elementi corrisponda al numero delle righe, evidentemente: così, in questo caso, per ogni personaggio abbiamo la lista dei film in cui è comparso.

Inoltre, i nomi delle variabili vangono gestiti diversamente.

Ad esempio, se si costruisce un dataframe a partire da una serie di vettori o importando un file, i nomi delle variabili vengono corretti e modificati in automatico:

vettore1 <- c(1, 5, 8, 9, 3)
vettore2 <- c("a", "a", "c", "d", "b")
 
df <- data.frame("tutti numeri" = vettore1, 
                 "_lettere" = vettore2)
names(df)

 [1] "tutti.numeri" "X_lettere"   

In generale, infatti, i nomi degli oggetti in R — fra le altre cose (vedi I nomi delle variabili) — non possono contenere spazi bianchi, o cominciare con l'underscore.

Quando invece si costruisce un dataframe con la funzione tibble().

tib <- tibble("tutti numeri" = vettore1, 
                 "_lettere" = vettore2)
tib

# A tibble: 5 x 2
  `tutti numeri` `_lettere`
           <dbl> <chr>     
1              1 a         
2              5 a         
3              8 c         
4              9 d         
5              3 b     

I nomi che non corrispondono alle regole non vengono modificati, ma vengono inseriti fra ``.

Quindi, non si potrà scrivere:

tib$_lettere

Error: unexpected input in "tib$_"  

Si dovrà invece scrivere:

tib$`_lettere`

o anche

tib$"_lettere"

Per quanto scomodo, questo consente di importare dati da fonti esterne così come sono, e correggere (eventualmente) solo i nomi delle variabili che si vorranno utilizzare, dopo ripuliture e trasformazioni.