数据结构
网络
关系型数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C语言编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究如何在R中不使用str函数检查数据框结构？
要检查数据框结构而不使用R中的str函数，我们可以按照以下步骤操作：
- 首先，加载数据或创建新数据或使用内置数据集。
- 然后，使用tibble包的glimpse函数。
示例1
使用内置数据集
考虑mtcars数据集，加载tibble包并使用glimpse函数查看mtcars数据的结构：
library(tibble) glimpse(mtcars)
输出
Rows: 32 Columns: 11 $ mpg <dbl> 21.0, 21.0, 22.8, 21.4, 18.7, 18.1, 14.3, 24.4, 22.8, 19.2, 17.8,~ $ cyl <dbl> 6, 6, 4, 6, 8, 6, 8, 4, 4, 6, 6, 8, 8, 8, 8, 8, 8, 4, 4, 4, 4, 8,~ $ disp <dbl> 160.0, 160.0, 108.0, 258.0, 360.0, 225.0, 360.0, 146.7, 140.8, 16~ $ hp <dbl> 110, 110, 93, 110, 175, 105, 245, 62, 95, 123, 123, 180, 180, 180~ $ drat <dbl> 3.90, 3.90, 3.85, 3.08, 3.15, 2.76, 3.21, 3.69, 3.92, 3.92, 3.92,~ $ wt <dbl> 2.620, 2.875, 2.320, 3.215, 3.440, 3.460, 3.570, 3.190, 3.150, 3.~ $ qsec <dbl> 16.46, 17.02, 18.61, 19.44, 17.02, 20.22, 15.84, 20.00, 22.90, 18~ $ vs <dbl> 0, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0,~ $ am <dbl> 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0,~ $ gear <dbl> 4, 4, 4, 3, 3, 3, 3, 4, 4, 4, 4, 3, 3, 3, 3, 3, 3, 4, 4, 4, 3, 3,~ $ carb <dbl> 4, 4, 1, 1, 2, 1, 4, 2, 2, 4, 4, 3, 3, 3, 4, 4, 4, 1, 2, 1, 1, 2,~
示例2
使用内置数据集
考虑CO2数据集，加载tibble包并使用glimpse函数查看CO2数据的结构：
library(tibble) glimpse(CO2)
输出
Rows: 84 Columns: 5 $ Plant <ord> Qn1, Qn1, Qn1, Qn1, Qn1, Qn1, Qn1, Qn2, Qn2, Qn2, Qn2, Qn2, ~ $ Type <fct> Quebec, Quebec, Quebec, Quebec, Quebec, Quebec, Quebec, Queb~ $ Treatment <fct> nonchilled, nonchilled, nonchilled, nonchilled, nonchilled, ~ $ conc <dbl> 95, 175, 250, 350, 500, 675, 1000, 95, 175, 250, 350, 500, 6~ $ uptake <dbl> 16.0, 30.4, 34.8, 37.2, 35.3, 39.2, 39.7, 13.6, 27.3, 37.1, ~
示例3
使用内置数据集
考虑iris数据集，加载tibble包并使用glimpse函数查看iris数据的结构：
library(tibble) glimpse((iris)
输出
Rows: 150 Columns: 5 $ Sepal.Length <dbl> 5.1, 4.9, 4.7, 4.6, 5.0, 5.4, 4.6, 5.0, 4.4, 4.9, 5.4, 4.~ $ Sepal.Width <dbl> 3.5, 3.0, 3.2, 3.1, 3.6, 3.9, 3.4, 3.4, 2.9, 3.1, 3.7, 3.~ $ Petal.Length <dbl> 1.4, 1.4, 1.3, 1.5, 1.4, 1.7, 1.4, 1.5, 1.4, 1.5, 1.5, 1.~ $ Petal.Width <dbl> 0.2, 0.2, 0.2, 0.2, 0.2, 0.4, 0.3, 0.2, 0.2, 0.1, 0.2, 0.~ $ Species <fct> setosa, setosa, setosa, setosa, setosa, setosa, setosa, s~
示例4
使用内置数据集
考虑sleep数据集，加载tibble包并使用glimpse函数查看sleep数据的结构：
library(tibble) glimpse(sleep)
输出
Rows: 20 Columns: 3 $ extra <dbl> 0.7, -1.6, -0.2, -1.2, -0.1, 3.4, 3.7, 0.8, 0.0, 2.0, 1.9, 0.8, ~ $ group <fct> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2 $ ID <fct> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
示例5
使用内置数据集
考虑ChickWeight数据集，加载tibble包并使用glimpse函数查看ChickWeight数据的结构：
library(tibble) glimpse((ChickWeight)
输出
Rows: 578 Columns: 4 $ weight <dbl> 42, 51, 59, 64, 76, 93, 106, 125, 149, 171, 199, 205, 40, 49, 5~ $ Time <dbl> 0, 2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 21, 0, 2, 4, 6, 8, 10, 1~ $ Chick <ord> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, ~ $ Diet <fct> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, ~
示例6
使用内置数据集
考虑DNase数据集，加载tibble包并使用glimpse函数查看DNase数据的结构：
library(tibble) glimpse((DNase)
输出
Rows: 176 Columns: 3 $ Run <ord> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2,~ $ conc <dbl> 0.04882812, 0.04882812, 0.19531250, 0.19531250, 0.39062500, 0.~ $ density <dbl> 0.017, 0.018, 0.121, 0.124, 0.206, 0.215, 0.377, 0.374, 0.614,~
示例7
使用内置数据集
考虑Nile数据集，加载tibble包并使用glimpse函数查看Nile数据的结构：
library(tibble) glimpse(Nile)
输出
Time-Series [1:100] from 1871 to 1970: 1120 1160 963 1210 1160 1160 813 1230 1370 1140 …
示例8
使用内置数据集
考虑HairEyeColor数据集，加载tibble包并使用glimpse函数查看HairEyeColor数据的结构：
library(tibble) glimpse(HairEyeColor)
输出
‘table’ num [1:4, 1:4, 1:2] 32 53 10 3 11 50 10 30 10 25 … - attr(*, “dimnames”)=List of 3 ..$ Hair: chr [1:4] “Black” “Brown” “Red” “Blond” ..$ Eye : chr [1:4] “Brown” “Blue” “Hazel” “Green” ..$ Sex : chr [1:2] “Male” “Female”
示例9
使用内置数据集
考虑Indometh数据集，加载tibble包并使用glimpse函数查看Indometh数据的结构：
library(tibble) glimpse(Indometh)
输出
Rows: 66 Columns: 3 $ Subject <ord> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2,~ $ time <dbl> 0.25, 0.50, 0.75, 1.00, 1.25, 2.00, 3.00, 4.00, 5.00, 6.00, 8.~ $ conc <dbl> 1.50, 0.94, 0.78, 0.48, 0.37, 0.19, 0.12, 0.11, 0.08, 0.07, 0.~
示例10
使用内置数据集
考虑AirPassengers数据集，加载tibble包并使用glimpse函数查看AirPassengers数据的结构：
library(tibble) glimpse(AirPassengers)
输出
Time-Series [1:144] from 1949 to 1961: 112 118 132 129 121 135 148 148 136 119 ...
更新于： 2021年8月11日
154次浏览
广告