创建一个空的data.frame

我正在尝试初始化没有任何行的data.frame。基本上，我想为每一列指定数据类型并为其命名，但因此没有创建任何行。

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,]

这将创建一个data.frame，其中包含包含我想要的所有数据类型和列名的单行，而且还会创建一个无用的行，然后将其删除。

有一个更好的方法吗？

只需使用空向量对其进行初始化：

df <- data.frame(Date=as.Date(character()),
                 File=character(), 
                 User=character(), 
                 stringsAsFactors=FALSE) 

这是另一个具有不同列类型的示例：

df <- data.frame(Doubles=double(),
                 Ints=integer(),
                 Factors=factor(),
                 Logicals=logical(),
                 Characters=character(),
                 stringsAsFactors=FALSE)

str(df)
> str(df)
'data.frame':   0 obs. of  5 variables:
 $ Doubles   : num 
 $ Ints      : int 
 $ Factors   : Factor w/ 0 levels: 
 $ Logicals  : logi 
 $ Characters: chr 

注意：

使用data.frame错误类型的空列初始化a 不会阻止进一步添加具有不同类型列的行。从一开始就将具有正确的列类型的意义上说，
此方法稍微安全一些，因此，如果您的代码依赖于某些列类型检查，则即使data.frame行数为零，它也可以使用。

如果您已经有一个现有的数据框，假设df它具有所需的列，那么您只需删除所有行即可创建一个空的数据框：

empty_df = df[FALSE,]

请注意，df该数据仍然包含数据，但empty_df没有。

我发现这个问题是在寻找如何创建一个空行的新实例，因此我认为这可能对某些人有帮助。

您可以在不指定列类型的情况下进行操作

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

您可以使用read.table空字符串作为输入text，如下所示：

colClasses = c("Date", "character", "character")
col.names = c("Date", "File", "User")

df <- read.table(text = "",
                 colClasses = colClasses,
                 col.names = col.names)

也可以将指定col.names为字符串：

df <- read.csv(text="Date,File,User", colClasses = colClasses)

感谢Richard Scriven的改进

最有效的方法是使用structure创建具有以下类的列表"data.frame"：

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

与当前接受的答案相比，这是一个简单的基准：

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

只需声明

table = data.frame()

当您尝试到rbind第一行时，它将创建列

如果您正在寻找短缺：

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

因此您无需单独指定列名称。在填充数据框之前，您将获得默认的逻辑列类型。

我使用以下代码创建了空数据框

df = data.frame(id = numeric(0), jobs = numeric(0));

并尝试绑定一些行以填充相同的内容，如下所示。

newrow = c(3, 4)
df <- rbind(df, newrow)

但是它开始给出错误的列名，如下所示

  X3 X4
1  3  4

解决方案是将newrow转换为df，如下所示

newrow = data.frame(id=3, jobs=4)
df <- rbind(df, newrow)

现在使用列名显示时会给出正确的数据框，如下所示

  id nobs
1  3   4 

要创建一个空的数据框，请将所需的行数和列数传递到以下函数中：

create_empty_table <- function(num_rows, num_cols) {
    frame <- data.frame(matrix(NA, nrow = num_rows, ncol = num_cols))
    return(frame)
}

要在指定每列的类的同时创建一个空框架，只需将所需数据类型的向量传递给以下函数：

create_empty_table <- function(num_rows, num_cols, type_vec) {
  frame <- data.frame(matrix(NA, nrow = num_rows, ncol = num_cols))
  for(i in 1:ncol(frame)) {
    print(type_vec[i])
    if(type_vec[i] == 'numeric') {frame[,i] <- as.numeric(frame[,i])}
    if(type_vec[i] == 'character') {frame[,i] <- as.character(frame[,i])}
    if(type_vec[i] == 'logical') {frame[,i] <- as.logical(frame[,i])}
    if(type_vec[i] == 'factor') {frame[,i] <- as.factor(frame[,i])}
  }
  return(frame)
}

用法如下：

df <- create_empty_table(3, 3, c('character','logical','numeric'))

这使：

   X1  X2 X3
1 <NA> NA NA
2 <NA> NA NA
3 <NA> NA NA

要确认您的选择，请运行以下命令：

lapply(df, class)

#output
$X1
[1] "character"

$X2
[1] "logical"

$X3
[1] "numeric"

如果要使用动态名称（变量中的别名）创建一个空的data.frame，则可以帮助您：

names <- c("v","u","w")
df <- data.frame()
for (k in names) df[[k]]<-as.numeric()

如果需要，您也可以更改类型。喜欢：

names <- c("u", "v")
df <- data.frame()
df[[names[1]]] <- as.numeric()
df[[names[2]]] <- as.character()

如果您不介意不明确指定数据类型，则可以采用以下方式：

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)

通过使用，data.table我们可以为每一列指定数据类型。

library(data.table)    
data=data.table(a=numeric(), b=numeric(), c=numeric())

如果要声明data.frame具有许多列的a，那么手动键入所有列类可能会很麻烦。特别是如果您可以使用rep，则此方法既简单又快速（比其他可以这样概括的解决方案快约15％）：

如果所需的列类在vector中colClasses，则可以执行以下操作：

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

lapply将产生所需长度的列表，其中每个元素只是一个空的类型化向量，例如numeric()或integer()。

setDFlist通过引用将其转换为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structure以类似方式使用更快：

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

假设您的列名称是动态的，则可以创建一个空的以行命名的矩阵并将其转换为数据框。

nms <- sample(LETTERS,sample(1:10))
as.data.frame(t(matrix(nrow=length(nms),ncol=0,dimnames=list(nms))))

这个问题并没有专门解决我的问题（在此处概述），但是如果有人想使用参数化的列数且没有强制性来执行此操作：

> require(dplyr)
> dbNames <- c('a','b','c','d')
> emptyTableOut <- 
    data.frame(
        character(), 
        matrix(integer(), ncol = 3, nrow = 0), stringsAsFactors = FALSE
    ) %>% 
    setNames(nm = c(dbNames))
> glimpse(emptyTableOut)
Observations: 0
Variables: 4
$ a <chr> 
$ b <int> 
$ c <int> 
$ d <int>

正如迪维比森在相关问题上所说，

... [强制绑定]发生的原因（当绑定矩阵及其组成类型时）是矩阵只能具有单个数据类型。当您绑定2个矩阵时，结果仍然是矩阵，因此在转换为data.frame之前，所有变量都被强制转换为单一类型。

如果已经有一个数据框，则可以从一个数据框中提取元数据（列名和类型）（例如，如果您正在控制仅由某些输入触发并且需要一个空的虚拟数据框的BUG）：

colums_and_types <- sapply(df, class)

# prints: "c('col1', 'col2')"
print(dput(as.character(names(colums_and_types))))

# prints: "c('integer', 'factor')"
dput(as.character(as.vector(colums_and_types)))

然后使用read.table创建空数据框

read.table(text = "",
   colClasses = c('integer', 'factor'),
   col.names = c('col1', 'col2'))