4 Data Frames

Un data frame è una versione bidimensionale di una lista (è a tutti gli effetti una speciale classe di lista).

Un data frame appresenta il modo ideale per salvare un intero mazzo di carte (e non solo). Si può pensare a un data frame come l’equivalente di una tabella di Excel. Un data frame raggruppa un insieme di vettori in una tabella bidimensionale. Ogni vettore diventa una colonna della tabella. Il risultato è che ogni colonna può contenere un tipo diverso di dato ma ogni elemento della colonna deve obbligatoriamente avere lo stesso tipo di dato:

(#fig:data-frame )Un data frame

Creare un data frame dal nulla significa scrivere molto codice quindi non è consigliabile. Tuttavia, si può fare attraverso la funzione data.frame().

Dando in input alla funzione data.frame() dei vettori separati da virgole si otterrà un data frame. Occorre però dare dei nomi a questi vettori, il nome viene assegnato attraverso l’operatore =.

df <- data.frame(
  figura = c("asso", "due", "sei"),  
  seme = c("picche", "picche", "picche"),
  valore = c(1, 2, 3)
  )
df

##   figura   seme valore
## 1   asso picche      1
## 2    due picche      2
## 3    sei picche      3

Bisogna assicurarsi che ogni vettore abbia la stessa lunghezza altrimenti R userà la tecnica di recycling affinchè le colonne del data frame abbiano la stessa lunghezza.

I nomi ( names ) delle colonne possono essere assegnati anche successivamente alla creazione del data frame usando la funzione names(), già vista in nomi e dimensioni.

Attraverso la funzione str() possiamo vedere quali oggetti sono stati raggruppati per creare il data frame.

str(df)

## 'data.frame':    3 obs. of  3 variables:
##  $ figura: chr  "asso" "due" "sei"
##  $ seme  : chr  "picche" "picche" "picche"
##  $ valore: num  1 2 3

Si noti che R ha salvato i vettori di caratteri come dei fattori. Per evitare questa conversione impostare l’argomento stringsAsFactors = FALSE nella funzione data.frame().

:::

df <- data.frame(
  figura = c("asso", "due", "sei"),  
  seme = c("picche", "picche", "picche"), 
  valore = c(1, 2, 3),
  stringsAsFactors = FALSE
  )
str(df)

## 'data.frame':    3 obs. of  3 variables:
##  $ figura: chr  "asso" "due" "sei"
##  $ seme  : chr  "picche" "picche" "picche"
##  $ valore: num  1 2 3

NA In R i valori mancanti sono indicati come NA.

Ora potremmo finalmente creare il nostro mazzo di carte!

Ogni riga del nostro data frame deck potrebbe essere una carta da gioco, ogni colonna contiene le caratteristiche della carta, come figura, seme e valore. Il risultato finale è un oggetto come questo:

##   figura   seme      valore
##   re       picche    13
##   regina   picche    12
##   jack     picche    11
##   dieci    picche    10
##   nove     picche     9
##   otto     picche     8
##   sette    picche     7
##   sei      picche     6
##   cinque   picche     5
##   quattro  picche     4
##   ...

Ma quanto dovremmo scrivere? Probabilmente troppo!

Scrivere del codice comporta fare degli errori di sintassi o di ortografia, per non parlare del consumo di tempo.

Fortunatamente R ci permette di importare grandi quantità di dati provenienti da diversi tipi di file e fonti come ad esempio i database o i file di testo.

Vediamo come importare in R i dati dal file “deck.csv” che contiene il nostro mazzo di 52 carte senza errori.

4.1 Importazione

Per importare un insieme di dati in R esistono diverse procedure.

deck.csv è un file comma-separated-values, o CSV in breve e contiene il seguente testo:

"figura","seme,"valore"
"king","picche",13
"queen","picche,12
"jack","picche,11
"ten","picche,10
"nove","picche,9
...

Per importare un file di testo cliccare sull’icona Import Dataset in RStudio mostrata in Figura. Poi si selezioni From text file e il nome del file da importare (deck.csv, in questo caso).

(#fig:import )Importare un file

wizard

L’interfaccia di importazione, così come le altre procedure di R che permettono l’esecuzione di comandi in modo “code-free”m si chiama wizard. Cercheremo di ridurre al minimo l’uso degli wizard facendo prevalere quello dello script. Lo script ci permette di ricordare tutte le operazioni che sono state effettuate e replicarle con il minimo sforzo.

Se l’importazione avviene tramite lo wizard si può decidere quale nome dare al data frame che si sta importando insieme a tutte le caratteristiche dei dati (separatore decimale, tipo della colonna ecc…).

Figure 4.1: Wizard di importazione

Quando tutte le impostazioni sono state selezionate, cliccare su Import. R aprirà una nuova tabella, chiamata tab View che mostrerà il nuovo dataframe.

Figure 4.2: Tab view

Un’altra modalità di importazione è quella attraverso la funzione read(). In particolare, esistono diversi tipi di lettura a seconda del tipo di file da importare. Per il momento ci limiteremo all’utilizzo della funzione read.csv().

:::

L’equivalente dell’operazione precedente è il comando seguente:

deck <- read.csv("data/deck.csv",          #la posizione del file
                 sep = ',',                #separatore delle colonne
                 header = TRUE,            #la prima riga contiene le intestazioni di colonna
                 na.strings = ".",         #come vengono indicati i dati mancanti nel file
                 stringsAsFactors = FALSE) #non voglio che le variabili character vengano convertite in fattori

Per visualizzare le prime righe e le ultime righe del data frame si possono usare rispettivamente le funzioni head() e tail().

head(deck, 10)                             #mostra le prime 10 righe

##     figura   seme valore
## 1       re picche     13
## 2   regina picche     12
## 3     jack picche     11
## 4    dieci picche     10
## 5     nove picche      9
## 6     otto picche      8
## 7    sette picche      7
## 8      sei picche      6
## 9   cinque picche      5
## 10 quattro picche      4

tail(deck)                                 #mostra le ultime 5 righe

##     figura  seme valore
## 47     sei cuori      6
## 48  cinque cuori      5
## 49 quattro cuori      4
## 50     tre cuori      3
## 51     due cuori      2
## 52    asso cuori      1

Esercizio 10

Crare un nuovo data frame deckNA assegnandogli i dati contenuti in “deckNA.csv” specificando come vengono indicati i valori mancanti nel file. Assicurarsi che ogni colonna sia del tipo giusto e eventualmente convertire. Mostrare le prime 2 righe del dataframe deckNA.

deckNA <- read.csv("data/deckNA.csv",      #la posizione del file
                 sep = ';',                #separatore delle colonne
                 header = FALSE,           #la prima riga contiene le intestazioni di colonna
                 na.strings = "na",        #come vengono indicati i dati mancanti nel file
                 stringsAsFactors = FALSE) #non voglio che le variabili qualitative vengano convertite in fattori

## Warning in read.table(file = file, header = header, sep
## = sep, quote = quote, : incomplete final line found by
## readTableHeader on 'data/deckNA.csv'

head(deckNA,2)

##     V1     V2 V3
## 1  ace spades 14
## 2 king spades 13

4.2 Indicizzazione e subsetting

La notazione di R per estrarre elementi da un oggetto che sia un vettore, una matrice, un array o un data frame consiste nel scrivere il nome dell’oggetto seguito dalle parentesi quadre: df[ ].

All’interno delle parentesi andrà indicato l’indice (o gli indici per gli elementi n-dimensionali) che indicherà quale dimensione andare a indicizzare e con quale indice.

Gli indici sono dei vettori atomici (ricordiamo che uno scalare è un vettore atomico di un elemento) e possono essere di tipo intero, logico o stringa a seconda di che oggetto sto indicizzando. La seguente tabella riassume alcuni tipi di indicizzazione.

oggetto	indicizzazione	tipo indice	risultato
`vettore`	`vettore[i]`	integer, logical	gli elementi di `vettore` alle posizioni `i`
`matrice` (o `dataframe`)	`matrice[r,c]`	integer, logical	gli elementi di `matrice` nelle righe `r` e colonne `c`
	`matrice[r,]`	integer, logical	gli elementi di `matrice` nelle righe `r`
	`matrice[,c]` o `matrice[c]`	integer, logical	gli elementi di `matrice` nelle colonne `c`
`dataframe`	`dataframe$var` o `dataframe["var"]` o `dataframe[["var"]]`	character	gli elementi di `dataframe` della colonna con nome `"var"`
`lista`	`lista[[i]]`	integer, logical	gli oggetti di `lista` alle posizioni `i`
`lista`	`lista[["var"]]`	character	gli oggetti di `lista` alle posizioni con nome `"var"`

Hli indici iniziano da 1

In R, il primo elemento di un vettore avrà indice 1.

Un esempio visivo di indicizzazione su un vettore e su una matrice:

Figure 4.3: Indicizzazione

Se il nostro oggetto possiede l’attributo names possiamo indicizzarlo attraverso delle stringhe.

deck[1, c("figura", "seme", "valore")] # tutte le colonne

##   figura   seme valore
## 1     re picche     13

deck[, "valore"]                      # la colonna con nome "valore"

##  [1] 13 12 11 10  9  8  7  6  5  4  3  2  1 13 12 11 10
## [18]  9  8  7  6  5  4  3  2  1 13 12 11 10  9  8  7  6
## [35]  5  4  3  2  1 13 12 11 10  9  8  7  6  5  4  3  2
## [52]  1

Gli indici interi possono essere anche negativi, in questo caso R darà come risultato gli elementi che NON sono nella posizione indicata dall’indice. Ad esempio, vettore[-2] restituirà tutti gli elementi di vettore tranne il secondo.

Il subsetting con i vettori logici è molto utile quando si vogliono filtrare degli oggetti usando delle condizioni (o funzioni di confronto).

Alcuni esempi di subsetting logico sono:

deck[1, c(TRUE, TRUE, FALSE)]

##   figura   seme
## 1     re picche

rows <- c(TRUE, F, F, F, F, F, F, F, F, F, F, F, F, F, F, F, 
  F, F, F, F, F, F, F, F, F, F, F, F, F, F, F, F, F, F, F, F, F, F, 
  F, F, F, F, F, F, F, F, F, F, F, F, F, F)
deck[rows, ]

##   figura   seme valore
## 1     re picche     13

deck[deck$seme %in% c("cuori","picche"), ]

##     figura   seme valore
## 1       re picche     13
## 2   regina picche     12
## 3     jack picche     11
## 4    dieci picche     10
## 5     nove picche      9
## 6     otto picche      8
## 7    sette picche      7
## 8      sei picche      6
## 9   cinque picche      5
## 10 quattro picche      4
## 11     tre picche      3
## 12     due picche      2
## 13    asso picche      1
## 40      re  cuori     13
## 41  regina  cuori     12
## 42    jack  cuori     11
## 43   dieci  cuori     10
## 44    nove  cuori      9
## 45    otto  cuori      8
## 46   sette  cuori      7
## 47     sei  cuori      6
## 48  cinque  cuori      5
## 49 quattro  cuori      4
## 50     tre  cuori      3
## 51     due  cuori      2
## 52    asso  cuori      1

Torneremo su questo argomento nel capitolo successivo subsetting logico.

4.3 Salvare in un file

Prima di continuare a lavorare sul nostro dataframe, salviamolo in un file .csv. Per salvare un file in formato csv bisogna usare il comando write.csv().

write.csv(deck,                      #dataframe da salvare
          file = "deckSalvato.csv",  #nome del file
          row.names = FALSE)         #scrivere i nomi delle righe nel file

Ora abbiamo un mazzo di carte virtuale!

La prossima lezione proveremo a modificare gli elementi di questo data frame usando le funzioni di R.