我试图初始化一个data。frame,没有任何行。基本上,我希望为每个列指定数据类型并命名它们,但结果不创建任何行。

到目前为止,我能做的最好的事情是:

df <- data.frame(Date=as.Date("01/01/2000", format="%m/%d/%Y"), 
                 File="", User="", stringsAsFactors=FALSE)
df <- df[-1,]

它创建了一个data.frame,包含我想要的所有数据类型和列名的单行,但也创建了一个无用的行,然后需要删除。

还有更好的办法吗?


当前回答

您可以在不指定列类型的情况下执行此操作

df = data.frame(matrix(vector(), 0, 3,
                dimnames=list(c(), c("Date", "File", "User"))),
                stringsAsFactors=F)

其他回答

如果您想声明这样一个包含许多列的data.frame,那么手动输入所有列类可能会很麻烦。特别是如果你可以使用rep,这种方法是简单和快速的(大约比其他解决方案快15%):

如果你想要的列类在一个向量colClasses中,你可以执行以下操作:

library(data.table)
setnames(setDF(lapply(colClasses, function(x) eval(call(x)))), col.names)

Lapply将产生一个所需长度的列表,其中的每个元素只是一个空类型的向量,如numeric()或integer()。

setDF通过引用将这个列表转换为data.frame。

Setnames通过引用添加所需的名称。

速度比较:

classes <- c("character", "numeric", "factor",
             "integer", "logical","raw", "complex")

NN <- 300
colClasses <- sample(classes, NN, replace = TRUE)
col.names <- paste0("V", 1:NN)

setDF(lapply(colClasses, function(x) eval(call(x))))

library(microbenchmark)
microbenchmark(times = 1000,
               read = read.table(text = "", colClasses = colClasses,
                                 col.names = col.names),
               DT = setnames(setDF(lapply(colClasses, function(x)
                 eval(call(x)))), col.names))
# Unit: milliseconds
#  expr      min       lq     mean   median       uq      max neval cld
#  read 2.598226 2.707445 3.247340 2.747835 2.800134 22.46545  1000   b
#    DT 2.257448 2.357754 2.895453 2.401408 2.453778 17.20883  1000  a 

它也比以类似的方式使用结构更快:

microbenchmark(times = 1000,
               DT = setnames(setDF(lapply(colClasses, function(x)
                 eval(call(x)))), col.names),
               struct = eval(parse(text=paste0(
                 "structure(list(", 
                 paste(paste0(col.names, "=", 
                              colClasses, "()"), collapse = ","),
                 "), class = \"data.frame\")"))))
#Unit: milliseconds
#   expr      min       lq     mean   median       uq       max neval cld
#     DT 2.068121 2.167180 2.821868 2.211214 2.268569 143.70901  1000  a 
# struct 2.613944 2.723053 3.177748 2.767746 2.831422  21.44862  1000   b

我保持这个函数方便,每当我需要它,并改变列名和类以适应用例:

make_df <- function() { data.frame(name=character(),
                     profile=character(),
                     sector=character(),
                     type=character(),
                     year_range=character(),
                     link=character(),
                     stringsAsFactors = F)
}

make_df()
[1] name       profile    sector     type       year_range link      
<0 rows> (or 0-length row.names)

如果你不介意不显式地指定数据类型,你可以这样做:

headers<-c("Date","File","User")
df <- as.data.frame(matrix(,ncol=3,nrow=0))
names(df)<-headers

#then bind incoming data frame with col types to set data types
df<-rbind(df, new_df)

最有效的方法是使用structure创建一个类为"data.frame"的列表:

structure(list(Date = as.Date(character()), File = character(), User = character()), 
          class = "data.frame")
# [1] Date File User
# <0 rows> (or 0-length row.names)

为了与目前公认的答案进行比较,这里有一个简单的基准:

s <- function() structure(list(Date = as.Date(character()), 
                               File = character(), 
                               User = character()), 
                          class = "data.frame")
d <- function() data.frame(Date = as.Date(character()),
                           File = character(), 
                           User = character(), 
                           stringsAsFactors = FALSE) 
library("microbenchmark")
microbenchmark(s(), d())
# Unit: microseconds
#  expr     min       lq     mean   median      uq      max neval
#   s()  58.503  66.5860  90.7682  82.1735 101.803  469.560   100
#   d() 370.644 382.5755 523.3397 420.1025 604.654 1565.711   100

如果你在寻找短:

read.csv(text="col1,col2")

因此不需要单独指定列名。在填充数据帧之前,您将获得默认的逻辑列类型。