数据框（data.frame）、tibble和矩阵（matrix）有什么区别？

Question

在 R 中，一些函数只能在 data.frame 上工作，而另一些函数只能在 tibble 或 matrix 上工作。

使用 as.data.frame 或 as.matrix 转换数据通常可以解决这个问题，但我想知道这三种数据结构的区别是什么？

- Sylvia Rodriguez

---

矩阵和数据框执行不同的功能。数据框可以同时包含不同的数据类型，如字符、数字、因子和时间。而矩阵只能包含单一类型。因此，矩阵在功能上更加有限，但由于保证是单一类型，可以作为连续数组存储在内存中，从而实现更高效的计算。R没有tibble - 这是一个外部包的附加功能，并继承自数据框，因此两者通常是相互兼容的。 - Allan Cameron

非常感谢您的澄清。我没有意见，只是不知道其中的区别。如果有一种通用类型能够服务于所有用途，某人可能已经想到了。我认为每种不同类型肯定有其优缺点。我只是因为无知而提问，但如果您认为这种无知就是意见，那么可以关闭问题。 - Sylvia Rodriguez

矩阵用于线性代数，回归等方面，而数据框用于表示数据集，如关系数据库表。Tibble 不是 R 的一部分，但是它是 tidyverse 的一部分，“Tibbles 是对数据框的现代化解决方案。它们保留了经得起时间考验的功能，并放弃了过去方便但现在令人沮丧的功能（例如将字符向量转换为因子）。”请参阅https://cran.r-project.org/web/packages/tibble/vignettes/tibble.html。 - G. Grothendieck

@G.Grothendieck 关于 data.frame 和 tibble：唯一的区别是“将字符向量转换为因子”吗？我认为，R已经改变了默认的 stringasfactors 行为？另请参见 https://developer.r-project.org/Blog/public/2020/02/16/stringsasfactors/index.html - Christoph

Answer 1

因为它们有不同的用途。

简短概述：

- 数据框是等长向量列表。这意味着添加列就像将向量添加到列表一样容易。它还意味着虽然每列都有自己的数据类型，但列可以是不同类型的。这使得数据框对于数据存储非常有用。 - 矩阵是具有两个维度的原子向量的特殊情况。这意味着整个矩阵必须具有单一的数据类型，这使它们在代数运算中非常有用。在某些情况下，它还可以使数字操作更快，因为您不必执行类型检查。但是，如果您对数据框足够小心，它将没有太大区别。 - Tibble 是 tidyverse 中使用的数据框的现代化版本。它们使用多种技术使它们“更智能” - 例如延迟加载。

矩阵、数据框和其他数据结构在 R 中的详细描述。

因此，总结一下：矩阵和数据框都是二维数据结构。每个都有不同的用途，因此行为不同。Tibble 是试图现代化数据框的尝试，它被广泛应用于 Tidyverse 中。

如果我试图从非技术角度重新表述它：

每种数据结构都在进行权衡。

- 数据框为方便和清晰度而牺牲了一些效率。 - 矩阵是高效的，但更难处理，因为它对其数据施加了限制。 - Tibble 为了更方便而牺牲了更多的效率，同时还试图用技术掩盖所说的权衡，以尝试将计算推迟到不出现问题的时间。

- Shamis

---

哇，这是一个非常棒的解释。谢谢你。我以前已经使用过所有三种类型，但我从未确切地知道它们之间的区别。这是一个优秀的详细描述。谢谢！ - Sylvia Rodriguez

tibbles 的解释是错误的。没有计算被延迟，我不确定这里的懒加载是什么意思。也许是与从“tbl_df”和“tbl_lazy”继承的特殊类型的 tibbles 混淆了，这种类型的 tibbles 是专门用于与数据库一起使用的。 - moodymudskipper

Answer 2

关于数据框架和tibbles之间的区别，这里解释了两个主要的区别：https://www.rstudio.com/blog/tibble-1-0-0/。

此外，我的理解如下： -如果您对tibbles进行子集操作，您总是会得到一个tibble。 -Tibbles可以具有复杂条目。 -Tibbles可以被分组。 -Tibbles显示更好。

- kAmJi