作為從事數(shù)據(jù)相關(guān)工作的我們,，平時接觸的更多的是一張有板有眼的數(shù)據(jù)表格,，在這里我們就叫作數(shù)據(jù)框。在Python中可以通過pandas模塊的DataFrame函數(shù)構(gòu)造數(shù)據(jù)框,，而R語言則是data.frame創(chuàng)建數(shù)據(jù)框,。接下來我們將對比Python和R語言如下幾個方面的應(yīng)用：

1、數(shù)據(jù)框的構(gòu)造

在Python中,可以借助于列表,、元組,、字典進(jìn)行手工構(gòu)建數(shù)據(jù)框，我們用例子說明：

通過列表創(chuàng)建數(shù)據(jù)框

發(fā)現(xiàn),，這樣創(chuàng)建數(shù)據(jù)框的話,，沒有變量名稱。該如何創(chuàng)建的時候加上列名稱呢,？

是的,，可以運(yùn)用DataFrame函數(shù)中的columns參數(shù)給數(shù)據(jù)框的每列添加名稱，如果你需要給行加上索引名稱,，你可以使用index參數(shù),。

通過字典創(chuàng)建數(shù)據(jù)框

發(fā)現(xiàn)輸出結(jié)果中列名稱順序與構(gòu)造時的數(shù)據(jù)不一致，這是因?yàn)樽值洳⒎鞘且环N序列,，而是一種特殊的鍵值對關(guān)系的對象,。如果你需要按照指定的列順序排列，仍然可以通過columns參數(shù)實(shí)現(xiàn),。

在R語言中,，構(gòu)造數(shù)據(jù)框的方法就相對單一一些了，只需要往data.frame函數(shù)傳入向量對象即可,。

2,、數(shù)據(jù)的讀入

在更多的場景下我們是讀取外部數(shù)據(jù),，然后基于外部數(shù)據(jù)進(jìn)行數(shù)據(jù)分析,、可視化、數(shù)據(jù)挖掘等研究,。這里跟大家介紹一下文本文件,、電子表格和MySQL數(shù)據(jù)庫的讀取,。

文本文件的讀取

在pandas模塊中有read_table和read_csv兩個函數(shù)讀取常見的文本文件，這里就以txt和csv文件為例,，對比Python和R語言的讀取,。

read_table和read_csv兩個函數(shù)都可以讀文本文件數(shù)據(jù)，區(qū)別在于默認(rèn)的sep參數(shù)不一致,，read_table默認(rèn)以制表符Tab鍵為字段間的間隔符,，而read_csv默認(rèn)以逗號為字段間的間隔符。

由于原始數(shù)據(jù)文件books.txt沒有字段名稱,，故設(shè)置header=None,，并用names參數(shù)給表字段加上名稱，usecols則是設(shè)置讀取原始數(shù)據(jù)的哪些列,。下面再來看看使用read_table函數(shù)讀取csv文件,。

在R語言中，也有兩個常用的函數(shù)read.table和read.csv函數(shù)讀取txt和csv文件,，不妨就用read.csv函數(shù)讀取上面的co2.csv數(shù)據(jù)集：

電子表格的讀取

pandas模塊中read_excel函數(shù)可以非常方便的讀取外部的xls和xlsx電子表格：

在R語言中,，基礎(chǔ)包就無法讀取電子表格數(shù)據(jù)了，這里強(qiáng)烈推薦R的用戶使用readxl包讀取Excel文件,。但需要注意的一點(diǎn)是,，數(shù)據(jù)的路徑一定不能包含中文，連文件名稱也不可以,。

MySQL數(shù)據(jù)庫數(shù)據(jù)的讀取

使用Python讀取MySQL數(shù)據(jù)庫,，還需要結(jié)合pymysql模塊一起使用。這里我們就在本地的MySQL創(chuàng)建一個數(shù)據(jù)集,，并用Python和R實(shí)現(xiàn)數(shù)據(jù)庫數(shù)據(jù)的讀取,。

在MySQL中創(chuàng)建數(shù)據(jù)

運(yùn)用Python與MySQL創(chuàng)建連接,并讀取數(shù)據(jù)；

運(yùn)用R與MySQL創(chuàng)建連接,并讀取數(shù)據(jù)（需要下載RMySQL包）,；

3,、數(shù)據(jù)的概覽信息

外部數(shù)據(jù)讀取到Python或R語言中，往往對數(shù)據(jù)需要做一些大概的了解,，如最小值,、最大值、平均值,、各變量都是哪些數(shù)據(jù)類型,、數(shù)據(jù)量如何等。我們來看看這些問題是如何解決的：

shape屬性和columns屬性返回?cái)?shù)據(jù)集的行列數(shù)及變量名,；

describe屬性可以對數(shù)值型變量（include=['number']）和離散型變量（include=['object']）進(jìn)行描述性統(tǒng)計(jì),；

info屬性則對數(shù)據(jù)集的變量類型進(jìn)行簡單的描述。

在R語言中,，上面關(guān)于數(shù)據(jù)的概覽信息,，可以對應(yīng)到如下的代碼：

dim函數(shù)和names函數(shù),；

summary函數(shù)進(jìn)行統(tǒng)計(jì)描述；

str函數(shù)對數(shù)據(jù)集的變量類型進(jìn)行描述,。

今天我們的內(nèi)容就介紹到這邊,，歡迎大家拍磚。下期我們來聊聊pandas模塊的數(shù)據(jù)框DataFrame第二部分,。主要涉及變量,、觀測的篩選；變量的重命名,；數(shù)據(jù)類型的變換,；排序和數(shù)據(jù)集的去重