连接或组合行很容易使用 rbind() 函数在 R。
rbind()是指行绑定,用更简单的术语说,将多个行合并成一个单一的批量,这可能包括合并两个数据框架、矢量和更多。
本文将讨论 rbind() 函数在 R 编程中的用途和应用。
不要浪费太多时间,让我们回到主题!!!
rbind() 函数的语法
rbind(): rbind 或行 bind 函数用于将多个行组合在一起。
1rbind(x,x1)
何处:
使用 rbind() 绑定行的想法
将多个数据框架( / 社区 / 教程 / 数据框架-in-r 编程)的行绑定或缩小的想法在数据操纵中非常有益。
下面的图表肯定会给你一个工作 rbind() 函数的想法。
您可以看到,不同数据框架的行是如何由 rbind() 函数结合的。
在 R 中执行 rbind() 函数
正如你所知道的,R中的 rbind() 函数用于绑定不同数据组的行。
在本节中,让我们尝试构建一个简单的数据框架,并使用 rbind() 函数将它们绑定起来。
1#creating a data frame
2
3Student_details<-c("Mark","John","Fredrick","Floyd","George")
4Student_class<-c("High school","College","High school","High school","College")
5df1<-data.frame(Student_class,Student_details)
6
7df1
上面的代码将构建一个简单的数据框架,展示学生的详细信息和名字。
1Student_class Student_details
21 High school Mark
32 College John
43 High school Fredrick
54 High school Floyd
65 College George
好吧,现在我们有5行数据框架,让我们创建另一个数据框架。
1#creating a dataframe
2
3Student_details<-c("Bracy","Evin")
4Student_class<-c("High school","College")
5Student_rank<-c("A","A+")
6df2<-data.frame(Student_class,Student_details,Student_rank)
7
8df2
1Student_class Student_details
21 High school Bracy
32 College Evin
好吧,现在我们有2个不同的行数的数据框(df1和df2).让我们使用rbind()函数将上述2个数据框结合成一个单一的数据框。
让我们看看它是如何工作的。
你不会相信整个绑定过程只需要一行代码。
1#binds rows of 2 input data frames
2
3rbind(df1,df2)
1Student_class Student_details
21 High school Mark
32 College John
43 High school Fredrick
54 High school Floyd
65 College George
76 High school Bracy
87 College Evin
由此产生的数据框将是上述输出中所示的两种数据框的结合版本。
使用 bind() 函数绑定两个不等长度的数据框
好吧,在上一节中,我们将两个行组合在一起。
在本节中,我们将使用 R 中的 rbind 函数将两个数据集合在一起。
1#creates the data frame
2
3Student_details<-c("Mark","John","Fredrick","Floyd","George")
4Student_class<-c("High school","College","High school","High school","College")
5df1<-data.frame(Student_class,Student_details)
6
7df1
1Student_class Student_details
21 High school Mark
32 College John
43 High school Fredrick
54 High school Floyd
65 College George
1#creats the data frame
2
3Student_details<-c("Bracy","Evin")
4Student_class<-c("High school","College")
5Student_rank<-c("A","A+")
6df2<-data.frame(Student_class,Student_details,Student_rank)
7df2
1Student_class Student_details Student_rank
21 High school Bracy A
32 College Evin A+
1rbind(df1,df2)
1Error in rbind(deparse.level, ...) :
2 numbers of columns of arguments do not match
為什麼函數會發出錯誤?為什麼函數會發出錯誤?
如果您阅读错误中的行,则表示列数不匹配。
我们在df1中有2个列,在df2中有3个列。
不要担心!我们已经有了 **bind_rows() ** 函数,这将帮助我们在这些情况下。
bind_rows() 函数将不均匀数据集绑定
bind_rows() 是一个函数,它是 dplyr 包的一部分,我们需要先导入 dplyr 包才能执行此函数。
我们正在使用上述部分中的相同的数据框,即df1和df2.让我们看看它是如何工作的。
1#install required packages
2install.packages('dplyr')
3#import libraries
4library(dplyr)
5#bind the rows
6bind_rows(df1,df2)
1Student_class Student_details Student_rank
21 High school Mark <NA>
32 College John <NA>
43 High school Fredrick <NA>
54 High school Floyd <NA>
65 College George <NA>
76 High school Bracy A
87 College Evin A+
现在您可以看到 bind_rows 函数将这两个不等式的数据集在列方面结合在一起,空白空间将被标记为
使用 rbind() 函数连接两个数据集
在本节中,我们将研究R中的两个完整数据集的结合。
让我们看看它是如何工作的。
我们将使用BOD数据集,因为它只有6行,你也可以轻松地观察绑定的行。
1#binds two data sets
2rbind(BOD,BOD)
1Time demand
21 1 8.3
32 2 10.3
43 3 19.0
54 4 16.0
65 5 15.6
76 7 19.8
8---------------
97 1 8.3
108 2 10.3
119 3 19.0
1210 4 16.0
1311 5 15.6
1412 7 19.8
BOD数据集有6行.当我们通过数据两次时,rbind()函数将像上面所示一样绑定相同的行。
而且不要忘了你也有 bind_rows() 函数。
1#binds two different datasets
2
3bind_rows(BOD,women)
1Time demand height weight
21 1 8.3 NA NA
32 2 10.3 NA NA
43 3 19.0 NA NA
54 4 16.0 NA NA
65 5 15.6 NA NA
76 7 19.8 NA NA
87 NA NA 58 115
98 NA NA 59 117
109 NA NA 60 120
1110 NA NA 61 123
1211 NA NA 62 126
1312 NA NA 63 129
1413 NA NA 64 132
1514 NA NA 65 135
1615 NA NA 66 139
1716 NA NA 67 142
1817 NA NA 68 146
1918 NA NA 69 150
2019 NA NA 70 154
2120 NA NA 71 159
2221 NA NA 72 164
这些示例清楚地显示 bind() 和 bind_rows 函数的运作和应用。
我希望这些插图帮助您理解这些功能。
在 R 中绑定多个行组
在本节中,我们将专注于使用函数 rbind() 绑定多个(超过 2) 行组。
1#binds rows of 3 data sets
2bind_rows(BOD,women,ToothGrowth)
1Time demand height weight len supp dose
21 1 8.3 NA NA NA <NA> NA
32 2 10.3 NA NA NA <NA> NA
43 3 19.0 NA NA NA <NA> NA
54 4 16.0 NA NA NA <NA> NA
65 5 15.6 NA NA NA <NA> NA
76 7 19.8 NA NA NA <NA> NA
87 NA NA 58 115 NA <NA> NA
98 NA NA 59 117 NA <NA> NA
109 NA NA 60 120 NA <NA> NA
1110 NA NA 61 123 NA <NA> NA
1211 NA NA 62 126 NA <NA> NA
1312 NA NA 63 129 NA <NA> NA
1413 NA NA 64 132 NA <NA> NA
1514 NA NA 65 135 NA <NA> NA
1615 NA NA 66 139 NA <NA> NA
1716 NA NA 67 142 NA <NA> NA
1817 NA NA 68 146 NA <NA> NA
1918 NA NA 69 150 NA <NA> NA
2019 NA NA 70 154 NA <NA> NA
2120 NA NA 71 159 NA <NA> NA
注意,这三个数据集是如何通过R中的 bind_rows() 函数结合或结合的。
这些2个函数在R编程中的数据操纵中有无限的应用。
包装上
R 中的 rbind() 函数和 bind_rows() 函数是处理数据时最有用的函数。
您可以使用 rbind() 函数轻松连接两个相同列数的数据框。
同样,如果数据框具有不平等的列数,则可以使用 bind_rows() 函数与 dplyr 包一起使用。
好吧,这就是现在的一切, ** 快乐的约束!!!**
** 更多阅读:** R 文档