<\/p>\n
In de programmeertaal R maakt een data.frame<\/strong> deel uit van de R-database.<\/span><\/p>\n Elk data.frame<\/strong> kan worden geconverteerd naar data.table<\/strong> met behulp van de setDF-<\/strong> functie van het data.table-<\/strong> pakket.<\/span><\/p>\n Een data.table biedt de volgende voordelen ten opzichte van een data.frame in R:<\/span><\/p>\n 1.<\/strong> U kunt de fread-<\/a> functie uit het data.table-pakket gebruiken om een bestand veel<\/em> sneller in een data.table te lezen dan standaard R-functies zoals read.csv<\/a> , die bestanden in een data.frame lezen.<\/span><\/p>\n 2.<\/strong> U kunt bewerkingen (zoals groeperen en aggregeren) veel<\/em> sneller uitvoeren op een data.table dan op een data.frame.<\/span><\/p>\n 3.<\/strong> Wanneer een data.frame naar een console wordt afgedrukt, zal R proberen elke rij in het data.frame af te drukken. Een data.table geeft echter alleen de eerste 100 rijen weer, wat kan voorkomen dat uw sessie vastloopt of crasht als u met een grote dataset werkt.<\/span><\/p>\n De volgende voorbeelden illustreren deze verschillen tussen data.frames en data.tables in de praktijk.<\/span><\/p>\n De volgende code laat zien hoe u een dataframe van 10.000 rijen en 100 kolommen importeert met behulp van de fread-<\/strong> functie uit het data.table-pakket en de read.csv-<\/strong> functie uit de R-database:<\/span><\/p>\n Uit de resultaten kunnen we zien dat fread<\/strong> ongeveer 10 keer sneller is om dit CSV-bestand te importeren vergeleken met de read.csv-<\/strong> functie.<\/span><\/p>\n Merk op dat dit verschil nog groter zal zijn voor grotere datasets.<\/span><\/p>\n Over het algemeen kan data.table<\/strong> elke taak voor gegevensmanipulatie ook veel sneller uitvoeren dan een data.frame<\/strong> .<\/span><\/p>\n De volgende code laat bijvoorbeeld zien hoe u het gemiddelde van een variabele berekent, gegroepeerd op een andere variabele in zowel data.table als data.frame:<\/span><\/p>\n Uit de resultaten kunnen we zien dat data.table<\/strong> ongeveer drie keer sneller is dan data.frame<\/strong> .<\/span><\/p>\n Voor grotere datasets zal dit verschil nog groter zijn.<\/span><\/p>\n Wanneer een data.frame<\/strong> naar een console wordt afgedrukt, zal R proberen elke rij in het data.frame af te drukken.<\/span><\/p>\n Een data.table<\/strong> geeft echter alleen de eerste 100 rijen weer, wat kan voorkomen dat uw sessie vastloopt of crasht als u met een grote dataset werkt.<\/span><\/p>\n In de volgende code maken we bijvoorbeeld zowel een dataframe als een data.table van 200 rijen.<\/span><\/p>\n Bij het afdrukken van het data.frame zal R proberen elke rij af te drukken, terwijl het afdrukken van data.table alleen de eerste vijf rijen en de laatste vijf rijen zal weergeven:<\/span><\/p>\n Dit is een voordeel dat data.table<\/strong> biedt ten opzichte van data.frame<\/strong> , vooral als je werkt met grote datasets die je niet per ongeluk naar de console wilt afdrukken.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Rijen toevoegen aan een dataframe in R<\/a> In de programmeertaal R maakt een data.frame deel uit van de R-database. Elk data.frame kan worden geconverteerd naar data.table met behulp van de setDF- functie van het data.table- pakket. Een data.table biedt de volgende voordelen ten opzichte van een data.frame in R: 1. U kunt de fread- functie uit het data.table-pakket gebruiken om een bestand […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-3619","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Verschil #1: Snellere import met moeite<\/strong><\/span><\/h2>\n
library<\/span> (microbenchmark)\nlibrary<\/span> (data.table)\n\n#make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#create data frame with 10,000 rows and 100 columns\n<\/span>df <- as. data<\/span> . frame<\/span> (matrix(runif(10^4 * 100), nrow = 10^4))\n\n#export CSV to current working directory\n<\/span>write.write. csv<\/span> (df, \" test.csv<\/span> \", quote = FALSE<\/span> )\n\n#import CSV file using fread and read.csv and time how long it takes\n<\/span>results <- microbenchmark(\n read.csv = read. csv<\/span> (\" test.csv<\/span> \", header = TRUE<\/span> , stringsAsFactors = FALSE<\/span> ),\n fread = fread(\" test.csv<\/span> \", sep = \",\", stringsAsFactors = FALSE<\/span> ),\n times = 10)\n\n#view results\n<\/span>results\n\nUnit: milliseconds\n expr min lq mean median uq max neval cld\n read.csv 817.1867 892.8748 1026.7071 899.5755 926.9120 1964.0540 10 b\n fread 113.5889 116.2735 136.4079 124.3816 136.0534 211.7484 10 a<\/strong><\/pre>\n Verschil #2: snellere gegevensmanipulatie met data.table<\/strong><\/span><\/h2>\n
library<\/span> (microbenchmark)\nlibrary<\/span> (data.table)\n\n#make this example reproducible\n<\/span>set.seed(1)\n\n#create data frame with 10,000 rows and 100 columns\nd_frame <- data. frame<\/span> (team=rep(c(' A<\/span> ', ' B<\/span> '), each=5000),\n points=c(rnorm(10000, mean=20, sd=3)))\n\n#create data.table from data.frame\n<\/span>d_table <- setDT(d_frame)\n\n#calculate mean of points grouped by team in data.frame and data.table\n<\/span>results <- microbenchmark(\n mean_d_frame = aggregate(d_frame$points, list(d_frame$team), FUN=mean),\n mean_d_table = d_table[ ,list(mean=mean(points)), by=team],\n times = 10)\n\n#view results\n<\/span>results\n\nUnit: milliseconds\n expr min lq mean median uq max neval cld\n mean_d_frame 2.9045 3.0077 3.11683 3.1074 3.1654 3.4824 10 b\n mean_d_table 1.0539 1.1140 1.52002 1.2075 1.2786 3.6084 10 a<\/strong><\/span><\/pre>\n Verschil #3: Minder rijen afgedrukt met data.table<\/strong><\/span><\/h2>\n
library<\/span> (data.table)\n\n#make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#create data frame\n<\/span>d_frame <- data. frame<\/span> (x=rnorm(200),\n y=rnorm(200),\n z=rnorm(200))\n#view data frame\n<\/span>d_frame\n\n X Y Z\n1 -0.055303118 1.54858564 -2.065337e-02\n2 0.354143920 0.36706204 -3.743962e-01\n3 -0.999823809 -1.57842544 4.392027e-01\n4 2.586214840 0.17383147 -2.081125e+00\n5 -1.917692199 -2.11487401 4.073522e-01\n6 0.039614766 2.21644236 1.869164e+00\n7 -1.942259548 0.81566443 4.740712e-01\n8 -0.424913746 1.01081030 4.996065e-01\n9 -1.753210825 -0.98893038 -6.290307e-01\n10 0.232382655 -1.25229873 -1.324883e+00\n11 0.027278832 0.44209325 -3.221920e-01\n...\n#create data table\n<\/span>d_table <- setDT(d_frame)\n\n#view data table\n<\/span>d_table\n\n X Y Z\n 1: -0.05530312 1.54858564 -0.02065337\n 2: 0.35414392 0.36706204 -0.37439617\n 3: -0.99982381 -1.57842544 0.43920275\n 4: 2.58621484 0.17383147 -2.08112491\n 5: -1.91769220 -2.11487401 0.40735218\n --- \n196: -0.06196178 1.08164065 0.58609090\n197: 0.34160667 -0.01886703 1.61296255\n198: -0.38361957 -0.03890329 0.71377217\n199: -0.80719743 -0.89674205 -0.49615702\n200: -0.26502679 -0.15887435 -1.73781026<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe bepaalde kolommen in R te behouden<\/a>
Alleen numerieke kolommen selecteren in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"