我应该使用data.frame还是矩阵？

什么时候应该使用a data.frame，什么时候使用更好matrix？

两者都以矩形格式保存数据，因此有时还不清楚。

对于何时使用哪种数据类型，是否有一般的经验法则？

答案的一部分已经包含在您的问题中：如果希望列（变量）具有不同的类型（数字/字符/逻辑等），则使用数据框架。矩阵用于相同类型的数据。

因此，仅当您具有相同类型的数据时，选择matrix / data.frame才有问题。

答案取决于您将如何处理data.frame / matrix中的数据。如果要传递给其他函数，则这些函数的参数的预期类型将决定选择。

也：

矩阵的存储效率更高：

m = matrix(1:4, 2, 2)
d = as.data.frame(m)
object.size(m)
# 216 bytes
object.size(d)
# 792 bytes

如果您计划进行任何线性代数类型的运算，则矩阵是必不可少的。

如果经常通过名称（通过紧凑的$运算符）引用其列，则数据框更方便。

数据框还可以更好地报告（打印）表格信息，因为您可以将格式分别应用于每一列。

@Michal没有提到的一点是，不仅矩阵比等效数据帧还小，使用矩阵可以使您的代码比使用数据帧更有效，通常情况下如此。这就是为什么内部许多R函数将强制转换为数据帧中的矩阵数据的原因之一。

数据帧通常要方便得多；人们并不总是只拥有原子的数据块。

注意，您可以拥有一个字符矩阵。您不仅需要数字数据来在R中建立矩阵。

在将数据帧转换为矩阵时，请注意有一个data.matrix()函数，该函数通过基于内部级别将因子转换为数值来适当地处理因子。as.matrix()如果任何因子标签都是非数字的，则强制过孔将导致一个字符矩阵。比较：

> head(as.matrix(data.frame(a = factor(letters), B = factor(LETTERS))))
     a   B  
[1,] "a" "A"
[2,] "b" "B"
[3,] "c" "C"
[4,] "d" "D"
[5,] "e" "E"
[6,] "f" "F"
> head(data.matrix(data.frame(a = factor(letters), B = factor(LETTERS))))
     a B
[1,] 1 1
[2,] 2 2
[3,] 3 3
[4,] 4 4
[5,] 5 5
[6,] 6 6

我几乎总是将数据框用于数据分析任务，因为我不仅拥有数字变量，还拥有更多的信息。当我为程序包编写函数代码时，几乎总是强制转换为矩阵，然后将结果格式化为数据框。这是因为数据帧很方便。

@Michal：矩阵并没有真正提高内存效率：

m <- matrix(1:400000, 200000, 2)
d <- data.frame(m)
object.size(m)
# 1600200 bytes
object.size(d)
# 1600776 bytes

...除非您有大量的列：

m <- matrix(1:400000, 2, 200000)
d <- data.frame(m)
object.size(m)
# 1600200 bytes
object.size(d)
# 22400568 bytes

矩阵实际上是带有其他方法的向量。而data.frame是一个列表。区别在于vector vs list。为了提高计算效率，请坚持使用矩阵。如果需要，请使用data.frame。

矩阵和数据帧是矩形2D数组，行和列可以是 异构的。它们共享一些方法和属性，但不是全部。

例子：

M <- list(3.14,TRUE,5L,c(2,3,5),"dog",1i)  # a list
dim(M) <- c(2,3)                           # set dimensions
print(M)                                   # print result

#      [,1]  [,2]      [,3]
# [1,] 3.14  5         "dog"
# [2,] TRUE  Numeric,3 0+1i

DF <- data.frame(M)                   # a data frame
print(DF)                             # print result

#      X1      X2   X3
#  1 3.14       5  dog
#  2 TRUE 2, 3, 5 0+1i

M <- matrix(c(1,1,1,1,2,3,1,3,6),3)   # a numeric matrix
DF <- data.frame(M)                   # a all numeric data frame

solve(M)                              # obtains inverse matrix
solve(DF)                             # obtains inverse matrix
det(M)                                # obtains determinant
det(DF)                               # error

我不能再强调两者之间的效率差异！尽管在某些特定的数据分析情况下DF确实是更方便的，但它们也允许异构数据，并且某些库仅接受它们，除非您为特定任务编写一次性代码，否则所有这些实际上都是次要的。

让我举一个例子。有一个函数可以计算MCMC方法的2D路径。基本上，这意味着我们采用一个初始点（x，y），并在每个步骤中迭代某种算法以找到一个新点（x，y），以此方式构建整个路径。该算法涉及计算一个非常复杂的函数，并在每次迭代时生成一些随机变量，因此当它运行12秒时，考虑到每个步骤要执行多少工作，我认为这很好。就是说，该函数在3列data.frame中收集了构造路径中的所有点以及目标函数的值。因此，3列不是那么大，步数也超过了合理的10,000（在这种问题中，长度为1,000,000的路径是典型的，所以10,000算不上什么）。所以我以为DF 10 000x3绝对不是问题。使用DF的原因很简单。调用函数后，调用ggplot（）绘制生成的（x，y）路径。ggplot（）不接受矩阵。

然后，出于好奇，我决定更改函数以矩阵形式收集路径。很高兴DF和矩阵的语法相似，我所做的就是将指定df作为data.frame的行更改为将其初始化为矩阵的行。在这里，我还需要提及的是，在初始代码中，DF已初始化为具有最终大小，因此，在该函数的代码中，稍后仅将新值记录到已分配的空间中，并且没有向新的行添加新行的开销。 DF。这使比较更加公平，并且也使我的工作更加简单，因为我不需要在函数中进一步重写任何内容。从所需大小的data.frame的初始分配到相同大小的矩阵只有一行更改。为了使该函数的新版本适应ggplot（），我将现在返回的矩阵转换为数据。

重新运行代码后，我不敢相信结果。代码只需一秒钟！而不是大约12秒。再一次，该函数在10,000次迭代中仅将值读取和写入到DF中已分配的空间（现在在矩阵中）。而且这种差异也适用于合理（或较小）的10000x3尺寸。

因此，如果您使用DF的唯一原因是使其与ggplot（）之类的库函数兼容，则始终可以在最后一刻将其转换为DF －在您认为方便的范围内使用矩阵。另一方面，如果有更多实质性的原因使用DF，例如您使用某些数据分析包，而这需要从矩阵到DF的不断转换，或者您自己不做任何密集的计算，而仅使用标准软件包（许多软件包实际上是在内部将DF转换为矩阵，执行其工作，然后将结果转换回-这样它们就可以为您完成所有效率工作），或者只做一次工作，这样您就不会在乎和感到更适合使用DF，那么您不必担心效率。

或另一个更实际的规则：如果您在OP中遇到问题，请使用矩阵，因此仅在没有此类问题时才使用DF（因为您已经知道必须使用DF，或者因为不太在乎，因为代码是一次性的，等等。）

但总的来说，始终牢记这一效率点是优先事项。