Tibble

tidyverse 家族

前面陆续介绍了tidyverse家族，家庭主要成员包括

人性化的tibble

• tibble是用来替换data.frame类型的扩展的数据框
• tibble继承了data.frame，是弱类型的。换句话说，tibble是data.frame的子类型
• tibble与data.frame有相同的语法，使用起来更方便
• tibble更早的检查数据，方便写出更干净、更多富有表现力的代码

tibble对data.frame做了重新的设定：

• tibble，不关心输入类型，可存储任意类型，包括list类型
• tibble，没有行名设置 row.names
• tibble，支持任意的列名
• tibble，会自动添加列名
• tibble，类型只能回收长度为1的输入
• tibble，会懒加载参数，并按顺序运行
• tibble，是tbl_df类型

tibble 与 data.frame

传统创建数据框

data.frame(
  a = 1:5,
  b = letters[1:5]
)

发现，data.frame()会自动将字符串型的变量转换成因子型，如果想保持原来的字符串型，就得

data.frame(
  a = 1:5,
  b = letters[1:5],
  stringsAsFactors = FALSE
)

Note：
- 在R 4.0 后，`data.frame()` 不会将**字符串型**变量自动转换成**因子型**

用tibble创建数据框，不会这么麻烦，输出的就是原来的字符串类型

tibble(
  a = 1:5,
  b = letters[1:5]
)

我们有时候喜欢这样，构建两个有关联的变量， 比如

tb <- tibble(
  x = 1:3,
  y = x + 2
)
tb

但是，如果用传统的data.frame()来构建，会报错

df <- data.frame(
  x = 1:3,
  y = x + 2
)

df

因此，在这一点上tibble()做的比较人性化。

大家还可以发现tibble另一个优势：tibble输出时，会显示多一行，用来指定每一列的类型。

tibble用缩写定义了7种类型：

tibble数据操作

创建tibble

tibble()创建一个tibble类型的data.frame:

tibble(a = 1:5, b = letters[1:5])

刚才提到了，可以这样，

tibble(
  a = 1:5,
  b = 10:14,
  c = a + b
)

• 为了让每列更加直观，也可以tribble()创建，数据量不大的时候，挺方便的

tribble(
  ~x, ~y, ~z,
  "a", 2, 3.6,
  "b", 1, 8.5
)

转换成tibble类型

转换成tibble类型意思就是说，刚开始不是tibble, 现在转换成tibble， 包括

• data.frame转换成tibble
• vector转换成tibble
• list转换成tibble
• matrix转换成tibble

data.frame转换成tibble

t1 <- iris[1:6, 1:4] # data.frame
class(t1)

as_tibble(t1)

vector转型到tibble

x <- as_tibble(1:5) # Use `tibble::enframe()
x

把list转型为tibble

df <- as_tibble(list(x = 1:6, y = runif(6), z = 6:1))
df

把tibble再转为list? as.list(df)

把matrix转型为tibble

m <- matrix(rnorm(15), ncol = 5)
as_tibble(m)

tibble转回matrix? as.matrix(df)

tibble简单操作

构建一个简单的数据框

df <- tibble(
  x = 1:2,
  y = 2:1
)

df

增加一列

add_column(df, z = 0:1, w = 0)

增加一行

add_row(df, x = 99, y = 9)

在第二行，增加一行

add_row(df, x = 99, y = 9, .before = 2)

有用的函数lst

lst，创建一个list，具有tibble特性的list。

lst(n = 5, x = runif(n), y = TRUE)

有用的函数enframe

enframe()将矢量快速创建tibble，，创建的tibble只有2列: name和value

enframe(1:3)

enframe(c(a = 5, b = 7, c = 9))

有用的函数deframe

deframe() 可以看做是enframe() 的反操作，把tibble反向转成向量

df <- enframe(c(a = 5, b = 7))
df

# change to vector
deframe(df)

读取文件

read_csv()读取文件时，生成的直接就是tibble

read_csv("./demo_data/wages.csv")

关于行名

data.frame是支持行名的，但tibble不支持行名，这也是两者不同的地方

#  create data.frame
df <- data.frame(x = 1:3, y = 3:1)

# add row name
row.names(df) <- LETTERS[1:3]
df

判断是否有行名

has_rownames(df)

但是对于tibble

tb <- tibble(x = 1:3, y = 3:1)

row.names(tb) <- LETTERS[1:3]

::: {.rmdnote} 需要注意的：

• 有时候遇到含有行名的data.frame，转换成tibble后，行名会被丢弃
• 如果想保留行名，就需要把行名转换成单独的一列

:::

举个例子

df <- mtcars[1:3, 1:3]
df

把行名转换为单独的一列

rownames_to_column(df, var = "rowname")

把行索引转换为单独的一列

rowid_to_column(df, var = "rowid")

修复列名

规范的来说，数据框的列名应该是唯一。但现实中代码是人写的，因此可能会稀奇古怪的，所幸的是tibble也提供了人性化的解决方案

tibble(x = 1, x = 2)

• .name_repair = "check_unique" 检查列名唯一性，但不做修复（默认）
• .name_repair = "minimal"， 不检查也不修复，维持现状
• .name_repair = "unique" 修复列名，使得列名唯一且不为空
• .name_repair = "universal" 修复列名，使得列名唯一且语法可读

具体使用方法：

tibble(x = 1, x = 2, .name_repair = "minimal")

tibble(x = 1, x = 2, .name_repair = "unique")

tibble(x = 1, x = 2, .name_repair = "universal")

tibble(`a 1` = 1, `a 2` = 2, .name_repair = "universal")

如果认为x...1, x...2 不符合自己的审美，可以指定修复函数

tibble(x = 1, x = 2, .name_repair = make.unique)

tibble(x = 1, x = 2, .name_repair = ~ make.unique(.x, sep = "_"))

tibble(x = 1, x = 2, .name_repair = ~ make.names(., unique = TRUE))

注意make.unique(names, sep = ".")和make.names(names, unique = FALSE, allow_ = TRUE) 是基础包的函数，可通过?make.unique()或者make.names()获取说明文档。

当然也可以自定义函数

fix_names <- function(x) gsub("\\s+", "_", x)

tibble(`year 1` = 1, `year 2` = 2, .name_repair = fix_names)

::: {.rmdnote}

• 感觉越说越复杂了，事实上，我们写数据框的时候，完全可以避免上述问题，只要做到规范列名。
• 如果真正遇到比较乱的列名，推荐使用janitor::clean_names()一步到位。

:::

library(janitor)
tibble(`year 1` = 1, `year 2` = 2) %>%
  clean_names()

List-columns (列表列)

tibble 本质上是向量构成的列表。如下图所示

大多情况下，我们接触到的向量是原子型向量(atomic vectors)，所谓原子型向量就是向量元素为单个值，比如 "a" 或者 1

tibble还有可以允许某一列为列表(list)，那么列表构成的列，称之为列表列（list columns）

这样一来，列表列非常灵活，因为列表元素可以是原子型向量、列表、矩阵或者小的tibble

nested tibble

tibble的列表列装载数据的能力很强大，也很灵活。下面，我们将介绍如何创建和操控有列表列的tibble。

creating

假定我们这里有一个tibble， 我们有三种方法可以创建列表列

• nest()
• summarize() and list()
• mutate() and map()

tidyr::nest()

使用tidyr::nest()函数，创建有列表列的tibble。

library(tidyverse)
library(palmerpenguins)
df <- penguins %>% 
  drop_na() %>% 
  select(species, bill_length_mm, bill_depth_mm, body_mass_g)
df

tb <- df %>% 
  nest(data = c(bill_length_mm, bill_depth_mm, body_mass_g))

tb

nest() 为每种species创建了一个小的tibble， 每个小的tibble对应一个species

tb$data[[1]]

可以看到，tb的整个data列是一个list

tb$data %>% typeof()

如果想偷懒，也可以用select()的语法

df %>% 
  nest(data = !species)

可以同时创建多个列表列

df %>% 
  nest(data1 = c(bill_length_mm, bill_depth_mm), data2 = body_mass_g)

tidyr::summarise()

相关章节介绍数据处理， group_by() 和 summarize()组合可以将向量分组后分别压缩成单个值，事实上，summarize()还可以创建列表列。

df_collapsed <- df %>% 
  group_by(species) %>% 
  summarise(
    data = list(bill_length_mm)
  )

df_collapsed

data就是构建的列表列，它的每个元素都是一个向量，对应一个species。这种方法和nest()方法很相似，不同在于，summarise() + list() 构建的列表列其元素是原子型向量，而nest()构建的是tibble.

df_collapsed$data[[1]] %>% typeof()

summarise() + list()的方法还可以在创建列表列之前，对数据简单处理，比如排序

df %>% 
  group_by(species) %>% 
  summarise(
    data = list(sort(bill_length_mm))
  )

或者做筛选

df %>% 
  group_by(species) %>% 
  summarise(
    data = list(bill_length_mm[bill_length_mm > 45])
  )

dplyr::mutate()

第三种方法是用rowwise() + mutate()，比如，下面为每个岛屿(island) 创建一个与该岛企鹅数量等长的随机数向量，简单点说，这个岛屿上企鹅有多少只，那么随机数的个数就有多少个。

penguins %>% 
  drop_na() %>% 
  group_by(island) %>% 
  summarise(
    n_num = n()
  ) %>% 
  
  rowwise() %>% 
  mutate(random = list(rnorm(n = n_num))) %>% 
  ungroup()

Unnesting

用unnest()函数可以把列表列转换成常规列的形式，比如上节中的tb

tb

这里把想要打开的列data，作为参数提供给unnest(cols = )

tb %>% 
  unnest(cols = data)

Manipulating

操控列表列是一件有趣的事情，我们常常会借助于行方向的操作(rowwise), 请看相关章节。比如找出每个岛屿企鹅的数量，我们需要对data列表列的元素依次迭代，

tb %>% 
  rowwise() %>% 
  mutate(num_species = nrow(data))

再比如，求每组下企鹅嘴峰长度与嘴峰厚度的相关系数

tb %>% 
  rowwise() %>% 
  mutate(corr_coef = cor(data$bill_length_mm, data$bill_depth_mm))

延伸阅读

1、阅读Hadley Wickham的r4ds这本书第10章。

2、 tibble的官方主页：https://tibble.tidyverse.org/

3、创建列表列的方法，可以参考nested tibble和 list-columns

4、本章借鉴了https://dcl-prog.stanford.edu/的图片，特此感谢。

# remove the objects
rm(df, m, t1, tb, x, fix_names)

pacman::p_unload(pacman::p_loaded(), character.only = TRUE)