tibble包：高效显示表格数据的结构

1 tibble包简介

包名: tibble
编码: UTF-8
最新版本: 1.2
标题: 简单数据框
描述: 构建一个 ‘tbl_df‘ 类，可以比传统的R数据框提供更好的检查和打印功能。
作者: Hadley Wickham , Romain Francois ,Kirill Müller, RStudio
URL: https://github.com/hadley/tibble
要求: R (>= 3.1.2)
Github: https://github.com/hadley/tibble

　　tibble包是一个轻量级的包，它实现的data.frame的重新塑造，保留了data.frame中经过实践证明有效的部分，吸取了专注于数据操作的dplyr包的基本思想。tibble包提供了更优于data.frame的性能，包括：打印，提取子集和因子操作。

tibble包内提供的主要函数：


名称
功能

as_tibble
强制转换lists和matrices为数据框(data.frame)

tibble
创建数据框(data.frame)或列表(list)

tribble
智能行(Row-wise)创建tibble

obj_sum/ type_sum/ tbl_sum
给出对象的简明摘要：对象类型和数据框大小

rownames
行名的操作工具（非常有用）：可以提取行名为列或列为行名

has_name
检查命名元素的存在has_name(iris, "Species")

repair_names
修复对象的名称（如果没有命名则用V+i代替）

all_equal
数据框相等的柔性比较，忽略行和列的排列顺序

glimpse
有点像str()，主要是查看数据集的结构

enframe
将向量变为数据框

print.tbl_df
print(x,n)打印数据集x的前n行，默认为10行，有点像head()

add_column
给数据框添加列

add_row
给数据框添加行

is.tibble
检测对象是否为tibble

knit_print.trunc_mat
截断显示

2 安装和使用

2.1 安装

从CRAN安装：

install.packages("tibble")

从github安装：

# install.packages("devtools")
devtools::install_github("hadley/tibble")

2.2 创建tibbles对象

可以利用as_tibble()函数将已经存在的对象（data.frame,list,matrix,or table）强制转为tibble对象：

library(tibble)
as_tibble(iris)
#> # A tibble: 150 × 5
#>    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
#>           <dbl>       <dbl>        <dbl>       <dbl>  <fctr>
#> 1           5.1         3.5          1.4         0.2  setosa
#> 2           4.9         3.0          1.4         0.2  setosa
#> 3           4.7         3.2          1.3         0.2  setosa
#> 4           4.6         3.1          1.5         0.2  setosa
#> 5           5.0         3.6          1.4         0.2  setosa
#> 6           5.4         3.9          1.7         0.4  setosa
#> 7           4.6         3.4          1.4         0.3  setosa
#> 8           5.0         3.4          1.5         0.2  setosa
#> 9           4.4         2.9          1.4         0.2  setosa
#> 10          4.9         3.1          1.5         0.1  setosa
#> # ... with 140 more rows

也可以利用tibble()函数创建：

tibble(x = 1:5, y = 1, z = x ^ 2 + y)
#> # A tibble: 5 × 3
#>       x     y     z
#>   <int> <dbl> <dbl>
#> 1     1     1     2
#> 2     2     1     5
#> 3     3     1    10
#> 4     4     1    17
#> 5     5     1    26

a <- 1:5
tibble(a, b = a * 2)
## # A tibble: 5 × 2
##       a     b
##    <int> <dbl>
## 1     1     2
## 2     2     4
## 3     3     6
## 4     4     8
## 5     5    10

tibble(a, b = a * 2, c = 1)
## # A tibble: 5 × 3
##       a     b     c
##     <int> <dbl> <dbl>
## 1     1     2     1
## 2     2     4     1
## 3     3     6     1
## 4     4     8     1
## 5     5    10     1

tibble(x = runif(10), y = x * 2)
# # A tibble: 10 × 2
#        x         y
#      <dbl>     <dbl>
# 1  0.7098188 1.4196377
# 2  0.2790267 0.5580533
# 3  0.2655437 0.5310874
# 4  0.1237294 0.2474587
# 5  0.9018147 1.8036293
# 6  0.1594413 0.3188827
# 7  0.2592028 0.5184056
# 8  0.6570324 1.3140648
# 9  0.8955551 1.7911102
# 10 0.1940897 0.3881794

tibble(x = letters)
# # A tibble: 26 × 1
#        x
#      <chr>
# 1      a
# 2      b
# 3      c
# 4      d
# 5      e
# 6      f
# 7      g
# 8      h
# 9      i
# 10     j
# # ... with 16 more rows

tibble(x = 1:3, y = list(1:5, 1:10, 1:20))
#> # A tibble: 3 × 2
#>       x          y
#>   <int>     <list>
#> 1     1  <int [5]>
#> 2     2 <int [10]>
#> 3     3 <int [20]>

也可以使用tribble()函数一行一行的定义一个tibble对象：

tribble(
  ~x, ~y,  ~z,
  "a", 2,  3.6,
  "b", 1,  8.5
)
#> # A tibble: 2 × 3
#>       x     y     z
#>   <chr> <dbl> <dbl>
#> 1     a     2   3.6
#> 2     b     1   8.5

查看类型，最底层还是data.frame：

class(as_tibble(iris))
#> [1] "tbl_df"     "tbl"        "data.frame"

2.3 添加行和列

### 添加行
add_row(.data, ..., .before = NULL, .after = NULL)
.data 要添加的数据框
.before , .after  在哪行之前或之后添加该数据
df <- tibble(x = 1:3, y = 3:1)
df
#> # A tibble: 3 × 2
#>       x     y
#>   <int> <int>
#> 1     1     3
#> 2     2     2
#> 3     3     1
library(dplyr)
df %>% add_row(x = 4, y = 0, .before = 2)
#> # A tibble: 4 × 2
#>       x     y
#>   <dbl> <dbl>
#> 1     1     3
#> 2     4     0
#> 3     2     2
#> 4     3     1

df %>% add_row(x = 4:5, y = 0:-1)
#> # A tibble: 5 × 2
#>       x     y
#>   <int> <int>
#> 1     1     3
#> 2     2     2
#> 3     3     1
#> 4     4     0
#> 5     5    -1

add_row(df, x = 4)
#> # A tibble: 4 <U+00D7> 2
#>       x     y
#>   <dbl> <int>
#> 1     1     3
#> 2     2     2
#> 3     3     1
#> 4     4    NA
### 添加列
add_column(.data, ..., .before = NULL, .after = NULL)
.data 要添加的数据框
.before , .after  在哪行=列之前或之后添加该数据

df %>%
  add_column(z = -1:1, w = 0)
#> # A tibble: 3 × 4
#>       x     y     z     w
#>   <int> <int> <int> <dbl>
#> 1     1     3    -1     0
#> 2     2     2     0     0
#> 3     3     1     1     0

df %>%
  add_column(z = -1:1, .after = 1)
#> # A tibble: 3 × 3
#>       x     z     y
#>   <int> <int> <int>
#> 1     1    -1     3
#> 2     2     0     2
#> 3     3     1     1

df %>%
  add_column(w = 0:2, .before = "x")
#> # A tibble: 3 × 3
#>       w     x     y
#>   <int> <int> <int>
#> 1     0     1     3
#> 2     1     2     2
#> 3     2     3     1

2.4 命名操作

2.4.1 rownames 行名的操作工具

　　df  数据框

　　var 用于rownames的列的名称

　　has_rownames(df)  确定数据框是否有行名

　　remove_rownames(df)  删除数据框的行名

library(tibble)
head(mtcars)
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

head(iris)
##    Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

has_rownames(mtcars)
## [1] TRUE

has_rownames(iris)
## [1] FALSE

has_rownames(remove_rownames(mtcars))
## [1] FALSE

head(remove_rownames(mtcars))
##    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## 1 21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## 2 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## 3 22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## 4 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## 5 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## 6 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

　　rownames_to_column(df, var = "rowname")  数据框的行名作为数据框的列，列名为rowname

　　column_to_rownames(df, var = "rowname")  数据框的某列作为行名

head(rownames_to_column(mtcars,"row2col"))
##             row2col  mpg cyl disp  hp drat    wt  qsec vs am gear carb
## 1         Mazda RX4 21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## 2     Mazda RX4 Wag 21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## 3        Datsun 710 22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## 4    Hornet 4 Drive 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## 5 Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## 6           Valiant 18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

mtcars_tbl <- as_tibble(rownames_to_column(mtcars))
mtcars_tbl
# # A tibble: 32 × 12
#              rowname   mpg   cyl  disp    hp  drat    wt  qsec    vs    am
#                <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1          Mazda RX4  21.0     6 160.0   110  3.90 2.620 16.46     0     1
# 2      Mazda RX4 Wag  21.0     6 160.0   110  3.90 2.875 17.02     0     1
# 3         Datsun 710  22.8     4 108.0    93  3.85 2.320 18.61     1     1
# 4     Hornet 4 Drive  21.4     6 258.0   110  3.08 3.215 19.44     1     0
# 5  Hornet Sportabout  18.7     8 360.0   175  3.15 3.440 17.02     0     0
# 6            Valiant  18.1     6 225.0   105  2.76 3.460 20.22     1     0
# 7         Duster 360  14.3     8 360.0   245  3.21 3.570 15.84     0     0
# 8          Merc 240D  24.4     4 146.7    62  3.69 3.190 20.00     1     0
# 9           Merc 230  22.8     4 140.8    95  3.92 3.150 22.90     1     0
# 10          Merc 280  19.2     6 167.6   123  3.92 3.440 18.30     1     0
# # ... with 22 more rows, and 2 more variables: gear <dbl>, carb <dbl>

head(column_to_rownames(as.data.frame(mtcars_tbl)))
##                    mpg cyl disp  hp drat    wt  qsec vs am gear carb
## Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
## Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
## Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
## Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
## Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
## Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

df <- rownames_to_column(mtcars,"row2col")
column_to_rownames(df,"row2col")

2.4.2 has_name  检查数据框或者其他对象中是否存在指定命名元素，返回逻辑值（TRUE or FALSE）

has_name(x, name)
x  数据框或其他命名对象
name  需检查的元素

has_name(iris, "Species")
## [1] TRUE

has_name(mtcars, "gears")
## [1] FALSE

2.4.3 repair_names 修复对象的名称（如果没有命名则用V+i代替）

repair_names(x, prefix = "V", sep = "")
x  命名的向量
prefix  字符串，前缀，该前缀用于新列名
sep  分隔符
list(3, 4, 5)
# [[1]]
# [1] 3
#
# [[2]]
# [1] 4
#
# [[3]]
# [1] 5

repair_names(list(3, 4, 5)) # works for lists, too
# $V1
# [1] 3
#
# $V2
# [1] 4
#
# $V3
# [1] 5

tbl <- as_tibble(structure(list(3, 4, 5), class = "data.frame"),validate = FALSE)
tbl
# A tibble: 0 × 3
# ... with 3 variables:  <dbl>,  <dbl>,  <dbl>
repair_names(tbl)
# A tibble: 0 <U+00D7> 3
# ... with 3 variables: V1 <dbl>, V2 <dbl>, V3 <dbl>

repair_names(list(1,2,4),prefix = "new",sep = "-")
# $`new-1`
# [1] 1
#
# $`new-2`
# [1] 2
#
# $`new-3`
# [1] 4

2.5 其他函数

2.5.1 obj_sum/ type_sum/ tbl_sum  给出对象的简明摘要：对象类型和数据框大小

obj_sum(x)
# 如果is_s3_vector值为TRUE，也就是是S3类型的向量，同时返回对象的尺寸的对象数据类型

type_sum(x)
# 给出对象类型简短摘要

tbl_sum(x)
# 给出一个类似于表对象的简短的文字描述，包括维数，数据源，可能的组（for dplyr）

is_vector_s3(x)
> obj_sum(1:10)
# [1] "int [10]"

> obj_sum(matrix(1:10))
# [1] "int [10 <U+00D7> 1]"

> obj_sum(Sys.Date())
# [1] "date [1]"

> obj_sum(Sys.time())
# [1] "dttm [1]"

> obj_sum(mean)
# [1] "fun"

2.5.2 all_equal  数据框柔性比较，忽略行和列的排列顺序

　　当使用all.equal比较两个tbl_df，默认情况下行和列的顺序是被忽略的，并且类型也不是强制要求。

all_equal(target, current, ignore_col_order = TRUE, ignore_row_order = TRUE, convert = FALSE, ...)
"all.equal"(target, current, ignore_col_order = TRUE, ignore_row_order = TRUE, convert = FALSE, ...)

参数：
target, current 要比较的两个数据框
ignore_col_order 是否需要忽略列顺序，默认为TRUE
ignore_row_order 是否需要忽略行顺序，默认为TRUE
convert  是否需要转换为相似的类型，默认为FALSE，如果为TRUE，会将因子factor转为字符character，整型integer double转为双精度浮点型
...
# 对行号和列号进行采样，打乱行列顺序
scramble <- function(x) x[sample(nrow(x)), sample(ncol(x))]

#　转为tbl-df类型
mtcars_df <- as_tibble(mtcars)

# 默认情况下行列顺序是忽略的
all.equal(mtcars_df, scramble(mtcars_df))
# [1] TRUE

# 修改默认行列顺序不被忽略
all.equal(mtcars_df, scramble(mtcars_df), ignore_col_order = FALSE)
# [1] TRUE

all.equal(mtcars_df, scramble(mtcars_df), ignore_row_order = FALSE)
# [1] "Component “mpg”: Mean relative difference: 0.3503521"
# [2] "Component “cyl”: Mean relative difference: 0.4912281"
# [3] "Component “disp”: Mean relative difference: 0.5690846"
# [4] "Component “hp”: Mean relative difference: 0.5386953"
# [5] "Component “drat”: Mean relative difference: 0.1387415"
# [6] "Component “wt”: Mean relative difference: 0.3286861"
# [7] "Component “qsec”: Mean relative difference: 0.1222072"
# [8] "Component “vs”: Mean relative difference: 2"
# [9] "Component “am”: Mean relative difference: 2"
# [10] "Component “gear”: Mean relative difference: 0.32"
# [11] "Component “carb”: Mean relative difference: 0.8"

# 默认情况下all.equal对变量的差异很敏感
df1 <- tibble(x = "a")
df2 <- tibble(x = factor("a"))
all.equal(df1, df2)
# [1] "Incompatible type for column x: x character, y factor"

all.equal(df1, df2,convert = TRUE)
# [1] "Factor levels not equal for column x"
# Warning message:
#   Incompatible type for column x: x character, y factor

2.5.3 glimpse  有点像str()，主要是查看数据集的结构

glimpse(x, width = NULL, ...)
x glimpse的对象
width 输出宽度：默认为tibble.width设定的宽度（如果有限）或者是控制台显示的宽度

glimpse(mtcars)

# Observations: 32
# Variables: 11
# $ mpg  <dbl> 21.0, 21.0, 22.8, 21.4, 18.7, 18.1, 14.3, 24.4, 22.8, 19.2, 17...
# $ cyl  <dbl> 6, 6, 4, 6, 8, 6, 8, 4, 4, 6, 6, 8, 8, 8, 8, 8, 8, 4, 4, 4, 4,...
# $ disp <dbl> 160.0, 160.0, 108.0, 258.0, 360.0, 225.0, 360.0, 146.7, 140.8,...
# $ hp   <dbl> 110, 110, 93, 110, 175, 105, 245, 62, 95, 123, 123, 180, 180, ...
# $ drat <dbl> 3.90, 3.90, 3.85, 3.08, 3.15, 2.76, 3.21, 3.69, 3.92, 3.92, 3....
# $ wt   <dbl> 2.620, 2.875, 2.320, 3.215, 3.440, 3.460, 3.570, 3.190, 3.150,...
# $ qsec <dbl> 16.46, 17.02, 18.61, 19.44, 17.02, 20.22, 15.84, 20.00, 22.90,...
# $ vs   <dbl> 0, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1,...
# $ am   <dbl> 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0,...
# $ gear <dbl> 4, 4, 4, 3, 3, 3, 3, 4, 4, 4, 4, 3, 3, 3, 3, 3, 3, 4, 4, 4, 3,...
# $ carb <dbl> 4, 4, 1, 1, 2, 1, 4, 2, 2, 4, 4, 3, 3, 3, 4, 4, 4, 1, 2, 1, 1,...

if (!requireNamespace("nycflights13", quietly = TRUE))
  stop("Please install the nycflights13 package to run the rest of this example")

# install.packages("nycflights13")

glimpse(nycflights13::flights)

# Observations: 336,776
# Variables: 19
# $ year           <int> 2013, 2013, 2013, 2013, 2013, 2013, 2013, 2013, 2013...
# $ month          <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1...
# $ day            <int> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1...
# $ dep_time       <int> 517, 533, 542, 544, 554, 554, 555, 557, 557, 558, 55...
# $ sched_dep_time <int> 515, 529, 540, 545, 600, 558, 600, 600, 600, 600, 60...
# $ dep_delay      <dbl> 2, 4, 2, -1, -6, -4, -5, -3, -3, -2, -2, -2, -2, -2,...
# $ arr_time       <int> 830, 850, 923, 1004, 812, 740, 913, 709, 838, 753, 8...
# $ sched_arr_time <int> 819, 830, 850, 1022, 837, 728, 854, 723, 846, 745, 8...
# $ arr_delay      <dbl> 11, 20, 33, -18, -25, 12, 19, -14, -8, 8, -2, -3, 7,...
# $ carrier        <chr> "UA", "UA", "AA", "B6", "DL", "UA", "B6", "EV", "B6"...
# $ flight         <int> 1545, 1714, 1141, 725, 461, 1696, 507, 5708, 79, 301...
# $ tailnum        <chr> "N14228", "N24211", "N619AA", "N804JB", "N668DN", "N...
# $ origin         <chr> "EWR", "LGA", "JFK", "JFK", "LGA", "EWR", "EWR", "LG...
# $ dest           <chr> "IAH", "IAH", "MIA", "BQN", "ATL", "ORD", "FLL", "IA...
# $ air_time       <dbl> 227, 227, 160, 183, 116, 150, 158, 53, 140, 138, 149...
# $ distance       <dbl> 1400, 1416, 1089, 1576, 762, 719, 1065, 229, 944, 73...
# $ hour           <dbl> 5, 5, 5, 5, 6, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 5, 6, 6...
# $ minute         <dbl> 15, 29, 40, 45, 0, 58, 0, 0, 0, 0, 0, 0, 0, 0, 0, 59...
# $ time_hour      <dttm> 2013-01-01 05:00:00, 2013-01-01 05:00:00, 2013-01-0...

2.5.4 enframe 将向量变为数据框

　　将元向量或者列表转为两列的数据框，如果元向量没有命名，使用自然序列命名列。

enframe(x, name = "name", value = "value")
x 元向量
name,value  两列命名，默认分别为name和value

enframe(1:3)
# # A tibble: 3 × 2
#   name value
#   <int> <int>
# 1     1     1
# 2     2     2
# 3     3     3

enframe(c(a = 5, b = 7))
# # A tibble: 2 × 2
#    name value
#   <chr> <dbl>
# 1     a     5
# 2     b     7

2.5.5 print.tbl_df

　　print(x,n)打印数据集x的前n行，默认为10行，有点像head()

　　描述矩阵的工具

"print"(x, ..., n = NULL, width = NULL, n_extra = NULL)

trunc_mat(x, n = NULL, width = NULL, n_extra = NULL)

x 展示的对象
n 要显示的行，如果为NULL(默认)并且行数小于tibble.print_max设定的值则会打印所有的行，否则会打印tibble.print_max设定的函数
width 生成的文本的宽度默认为NULL，此种情况下和使用getOption("tibble.width")或者getOption("width")设定值；后者只显示适应屏幕的列。也可以设定options(tibble.width = Inf)来显示所有的列
n_extra 整个tibble的宽度太小而打印的额外的信息，默认为NULL，会打印tibble.max_extra_cols作为额外的列信息
trunc_mat(mtcars)
# # data.frame [32 × 11]
#      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
# *  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1   21.0     6 160.0   110  3.90 2.620 16.46     0     1     4     4
# 2   21.0     6 160.0   110  3.90 2.875 17.02     0     1     4     4
# 3   22.8     4 108.0    93  3.85 2.320 18.61     1     1     4     1
# 4   21.4     6 258.0   110  3.08 3.215 19.44     1     0     3     1
# 5   18.7     8 360.0   175  3.15 3.440 17.02     0     0     3     2
# 6   18.1     6 225.0   105  2.76 3.460 20.22     1     0     3     1
# 7   14.3     8 360.0   245  3.21 3.570 15.84     0     0     3     4
# 8   24.4     4 146.7    62  3.69 3.190 20.00     1     0     4     2
# 9   22.8     4 140.8    95  3.92 3.150 22.90     1     0     4     2
# 10  19.2     6 167.6   123  3.92 3.440 18.30     1     0     4     4
# ... with 22 more rows

print(as_tibble(mtcars))
# # A tibble: 32 × 11
#      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
# *  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1   21.0     6 160.0   110  3.90 2.620 16.46     0     1     4     4
# 2   21.0     6 160.0   110  3.90 2.875 17.02     0     1     4     4
# 3   22.8     4 108.0    93  3.85 2.320 18.61     1     1     4     1
# 4   21.4     6 258.0   110  3.08 3.215 19.44     1     0     3     1
# 5   18.7     8 360.0   175  3.15 3.440 17.02     0     0     3     2
# 6   18.1     6 225.0   105  2.76 3.460 20.22     1     0     3     1
# 7   14.3     8 360.0   245  3.21 3.570 15.84     0     0     3     4
# 8   24.4     4 146.7    62  3.69 3.190 20.00     1     0     4     2
# 9   22.8     4 140.8    95  3.92 3.150 22.90     1     0     4     2
# 10  19.2     6 167.6   123  3.92 3.440 18.30     1     0     4     4
# ... with 22 more rows

print(as_tibble(mtcars), n = 1)
# # A tibble: 32 × 11
#     mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
# * <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1    21     6   160   110   3.9  2.62 16.46     0     1     4     4
# # ... with 31 more rows
print(as_tibble(mtcars), n = 3)
# # A tibble: 32 × 11
#      mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
# * <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
# 1  21.0     6   160   110  3.90 2.620 16.46     0     1     4     4
# 2  21.0     6   160   110  3.90 2.875 17.02     0     1     4     4
# 3  22.8     4   108    93  3.85 2.320 18.61     1     1     4     1
# # ... with 29 more rows
print(as_tibble(mtcars), n = 100)
# 全部打印

if (!requireNamespace("nycflights13", quietly = TRUE))
  stop("Please install the nycflights13 package to run the rest of this example")

print(nycflights13::flights, n_extra = 2)
print(nycflights13::flights, width = Inf)

2.5.6 is.tibble 检测对象是否为tibble

is.tibble(x)
is_tibble(x)

参考链接：http://www.rdocumentation.org/packages/tibble/versions/1.2

本文链接：http://www.cnblogs.com/homewch/p/5827928.html

时间： 2024-11-06 19:17:46

tibble包：高效显示表格数据的结构的相关文章

ajax请求得到后台数据，前台页面不用拼接 “字符串和HTML表格标签”，使用方便模板然后clone，显示表格

<%@page import="java.util.ArrayList"%><%@page import="java.util.List"%><%@ page language="java" contentType="text/html; charset=utf-8"    pageEncoding="utf-8"%><%@ taglib uri="htt

SQL Server ：理解数据记录结构

在SQL Server :理解数据页结构我们提到每条记录都有7 bytes的系统行开销,那这个7 bytes行开销到底是一个什么样的结构,我们一起来看下. 数据记录存储我们具体的数据,换句话说,它存在堆表里,或者存在聚集索引的叶子节点.数据记录结构是为了让SQL Server更高效的管理数据.我们来看下数据记录结构示意图: 上图中蓝色部分是所有数据记录部分,绿色部分是表结构里取决于定长/变长列的数据记录部分. 行头系统数据: 用做状态位1的第1字节(8位)是用来定义记录的属性: 第0位:版本信息

jetty+bootstrap Carousel+springMVC+mybatis实现表格数据的轮播

index.jsp <%@ page language="java" pageEncoding="UTF-8"%> <%@include file="/taglibs.jsp"%> <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd&quo

ExtJS4.2学习(21)动态菜单与表格数据展示操作总结篇2

运行效果: 此文介绍了根据操作左侧菜单在右面板展示相应内容. 一.主页 先看一下跳转主页的方式:由在webapp根目录下的index.jsp跳转至demo的index.jsp 下面是demo的index.jsp的代码 <%@ page language="java" contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%> <% response.setHeade

Unity —— protobuf 导excel表格数据

前言: 之前使用NPOI插件编写的导表工具,其实就是直接将数据进行序列化,解析时还需要进行反序列化,步骤比较繁复,最近看到Google的一个开源的项目protobuf,不仅可以用于进行excel表格数据的导出,还能直接用于网络通信协议的定制. 一.protobuf简介: protobuf是由google公司发布的一个开源的项目,是一款方便而又通用的数据传输协议.所以我们在Unity中也可以借助protobuf来进行数据存储和网络协议两方面的开发,这里先说说数据存储部分的操作,也就是: 将.xls

WORD表格数据运算技巧

我们经常会用WORD制作表格,有时表内的数据要运算的,WORD表格数据运算能力无法与EXCEL相比.但常见的乘除加减.相邻数据累加,将金额数字自动转成大写,WORD都能在表格内自动完成.下面以一个简单的例子抛砖引玉: ?     一.图1是进货合同的一张表,表中红色数字都是表内数据运算的结果,公式如图2所示. 图1 WORD表格数据运算案例 图2 WORD表格公式及显示格式 二.WORD表格公式案例分析 1.表中的单价是“机身”与“包鼠”之和,公式可以是{=SUM(LEFT)}. 操作方法:先将

ASP.NET - 演练：创建网页以显示 XML 数据

数据通常是以 XML 格式提供给 Web 应用程序的.但是,XML 数据本质上是分层的,因此您可能希望能够在基于列表的控件中使用 XML 数据,如 GridView 或 DropDownList 控件.此演练演示如何将 XML 数据视为表格数据库表中的数据进行处理. 通过此演练,您将学会如何执行以下任务: ·使用数据源控件读取 XML 数据并将数据提供给列表控件. ·将 GridView 和 DataList 控件绑定到 XML 数据. ·创建显示逻辑相关的 XML 数据的主详细信息页. ·对

Atitit.各种 数据类型 ( 树形结构,表形数据 ) 的结构与存储数据库 attilax 总结

Atitit.各种  数据类型 ( 树形结构,表形数据  ) 的结构与存储数据库 attilax  总结 1. 数据结构( 树形结构,表形数据,对象结构 ) 1 2. 编程语言中对应的数据结构 java c# php ( Dic/Map      List    datatable ) 1 3. 数据库存储数据  1 4. 数据的表形显示( 多条记录 与单条记录 ) 2 5. ASP.NET 数据控件:GridView,DataList,Repeater ,DetailsView,FormVie

java中使用poi导出excel表格数据并且可以手动修改导出路径

在我们开发项目中,很多时候会提出这样的需求:将前端的某某数据以excel表格导出,今天就给大家写一个简单的模板. 这里我们选择使用poi导出excel: 第一步:导入需要的jar包到 lib 文件夹下 jar包下载路径:http://download.csdn.net/download/pumpkin09/7077011 第二步:添加poi导出工具类 1 package com.yjd.admin.util; 2 3 import java.io.IOException; 4 import ja