一、Python
數據框就是典型的關系型數據庫的數據存儲形式，每一行是一條記錄，每一列是一個屬性,最終構成表格的形式，這是數據科學家必須熟悉的最典型的數據結構。
1.構建數據框
import pandas as pd data = {'year':[2010, 2011, 2012, 2010, 2011, 2012, 2010, 2011, 2012], 'team':['FCBarcelona', 'FCBarcelona', 'FCBarcelona', 'RMadrid', 'RMadrid', 'RMadrid', 'ValenciaCF', 'ValenciaCF', 'ValenciaCF'], 'wins':[30, 28, 32, 29, 32, 26, 21, 17, 19], 'draws': [6, 7, 4, 5, 4, 7, 8, 10, 8], 'losses': [2, 3, 2, 4, 2, 5, 9, 11, 11] } # 構建數據框
football = pd.DataFrame(data, columns = ['year','team','wins','draws','losses']) type(data) type(football)
2.讀取csv文件
# 讀取csv文件
edu = pd.read_csv('C:\\Users\\Hider\\Desktop\\educ_figdp_1_Data.csv', na_values=':',usecols=['TIME','GEO','Value']) # na_values 把“：”符號認為缺失值
3.統計描述
# 前幾行 缺失值取5行
edu.head(10) # 后幾行 缺失值取5行
edu.tail(10) # 列名
edu.columns # 行名
edu.index # 匯總統計
edu.describe() # count/mean/std/min/25%/50%/75%/max
二、R語言
R語言中自帶data.frame數據框格式，tidyverse包中所使用的tibble類型更是數據框的增強版。
1.構建數據框
install.packages("dplyr") install.packages("tidyverse") library(dplyr) library(tidyverse) year=c(2010, 2011, 2012, 2010, 2011, 2012, 2010, 2011, 2012) team=c('FCBarcelona', 'FCBarcelona', 'FCBarcelona', 'RMadrid', 'RMadrid', 'RMadrid', 'ValenciaCF', 'ValenciaCF', 'ValenciaCF') wins=c(30, 28, 32, 29, 32, 26, 21, 17, 19) draws=c(6, 7, 4, 5, 4, 7, 8, 10, 8) losses=c(2, 3, 2, 4, 2, 5, 9, 11, 11) football <- tibble(year,team,wins,draws,losses)
2.讀取csv文件
read.csv('C:\\Users\\Hider\\Desktop\\educ_figdp_1_Data.csv',na=':',) %>% select(TIME,GEO,Value) -> edu
3.統計描述
edu %>% head edu %>% tail edu %>% colnames edu %>% rownames edu %>% summary # 在tidyverse生態中的tibble是增強型的data.frame # 管道操作 %>%
三、對比
1.Python需要調用pandas包，R可以不用，但使用tidyverse包中的tibble更強；
2.Python使用字典來構建，R中通過等長向量來合並生成；
3.Python讀取csv時可以選取列，R中是先讀進內存再做篩選；
4.Python缺失值為NaN，R中為NA；
5.Python的index由0開始，R由1開始；
6.R可向右賦值，更加靈活，並且單向的管道函數“%>%”能更加自由的揉捏數據。
END 2018-11-01 00:22:43