Data Frame - R and Python
28 01 2013
Para acessar alguns dados com R, e poder realizar operaçoes, utilizamos a funçao data.frame podendo agrupando fatores entre outras operaçoes. Em Python a coisa pode ser bastante parecida e com diversas funcionabilidades do pacote Pandas [1] para Python.
Digamos uma tabela da seguinte maneira:
ID sp1 sp2 sp3
C1 1 3 2
C1 3 2 0
C1 2 1 1
C2 2 4 0
C2 1 3 1
C3 0 3 4
C3 2 1 2
O codigo para abrir como data.frame
#! /usr/bin/R
> dados = read.table('dados.txt', header=T)
> dados
ID sp1 sp2 sp3
1 C1 1 3 2
2 C1 3 2 0
3 C1 2 1 1
4 C2 2 4 0
5 C2 1 3 1
6 C3 0 3 4
7 C3 2 1 2
> attach(dados)
# transformando a coluna ID em fator.
> dados$ID <- as.factor(dados$ID)
[1] 1 3 2 2 1 0 2
O que nao era necessario, pois ao carregar o data.frame o R ja´ reconhece essa coluna como factor.
> str(dados)
'data.frame': 7 obs. of 4 variables:
$ ID : Factor w/ 3 levels "C1","C2","C3": 1 1 1 2 2 3 3
$ sp1: int 1 3 2 2 1 0 2
$ sp2: int 3 2 1 4 3 3 1
$ sp3: int 2 0 1 0 1 4 2
para fazer uma media, por exemplo, utilizando o fator ID.
> tapply(dados$sp1, dados$ID, mean)
C1 C2 C3
2.0 1.5 1.0
Para fazer isso em Python, voce poderia usar o numpy, simplesmente, ou usar as elegantes ferramentas do "pandas". Para quem vem do R, o Pandas e uma forma facil de se entender com dados tabelados e cheios de fatores.
>>> import pandas as pd
>>> dados = pd.read_table('dados.txt',sep=" ")
>>> dados
ID sp1 sp2 sp3
0 C1 1 3 2
1 C1 3 2 0
2 C1 2 1 1
3 C2 2 4 0
4 C2 1 3 1
5 C3 0 3 4
6 C3 2 1 2
Acessar somente uma das colunas.
>>> dados['sp1']
0 1
1 3
2 2
3 2
4 1
5 0
6 2
Name: sp1
Para fazer a media, com a funçao groupby
>>> dados.groupby('ID').sp1.mean()
ID
C1 2.0
C2 1.5
C3 1.0
Name: sp1
Ainda e possivel fazer varias coisas com o objeto dados (que agora e um DataFrame). Por exemplo, pegar a media e a variancia, ordenados por ID.
>>> dados.groupby('ID').sp1.agg(['mean', 'var'])
mean var
ID
C1 2.0 1.0
C2 1.5 0.5
C3 1.0 2.0
Ate mais.
[1] http://pandas.pydata.org/