Un tibble, o tbl_df, es una reestructuración moderna del data.frame, manteniendo lo que ha demostrado ser eficaz a lo largo del tiempo y desechando lo que no lo ha sido.
# install.packages("tibble")
library(tibble)
# o directamente
library(tidyverse)
#> -- Attaching core tidyverse packages ------------------------ tidyverse 2.0.0 --
#> v dplyr 1.1.4 v purrr 1.0.2
#> v forcats 1.0.0 v readr 2.1.5
#> v ggplot2 3.4.4 v stringr 1.5.1
#> v lubridate 1.9.3 v tidyr 1.3.0
#> -- Conflicts ------------------------------------------ tidyverse_conflicts() --
#> x dplyr::filter() masks stats::filter()
#> x dplyr::lag() masks stats::lag()
#> i Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorsEste documento está basado en https://tibble.tidyverse.org/articles/tibble.html
Nunca cambia el tipo de input.
# dataframe a veces cambia strings (cadenas de caracteres) a factores
str(data.frame(
a = 1:length(letters),
b = letters
# stringsAsFactors = FALSE
))
#> 'data.frame': 26 obs. of 2 variables:
#> $ a: int 1 2 3 4 5 6 7 8 9 10 ...
#> $ b: chr "a" "b" "c" "d" ...
# tibble nunca
tibble(
a = 1:length(letters),
b = letters
)
#> # A tibble: 26 x 2
#> a b
#> <int> <chr>
#> 1 1 a
#> 2 2 b
#> 3 3 c
#> 4 4 d
#> 5 5 e
#> 6 6 f
#> 7 7 g
#> 8 8 h
#> 9 9 i
#> 10 10 j
#> # i 16 more rowsPermite trabajar con listas-columna.
# data frame no permite
data.frame(x = 1:2, y = list(1:3, letters))
#> Error in (function (..., row.names = NULL, check.rows = FALSE, check.names = TRUE, : arguments imply differing number of rows: 3, 26
# tibble sí
tibble(x = 1:2, y = list(1:3, letters))
#> # A tibble: 2 x 2
#> x y
#> <int> <list>
#> 1 1 <int [3]>
#> 2 2 <chr [26]>No ajusta nombres de variables.
# data frame elimina los espacios
# y no admite caracteres especiales
names(data.frame(`pred^ocs uah` = 1))
#> [1] "pred.ocs.uah"
# tibble sí
names(tibble(`pred^ocs uah` = 1))
#> [1] "pred^ocs uah"Evalúa los argumentos de forma lazy y secuencial.
# evaluacion lazy: solo se evalua cuando se requiere el argumento
mult <- function(x, y){
x * 10
}
mult(5)
#> [1] 50
# evaluacion secuencial
# data frame no evalua de forma secuencial
data.frame(x = 1:5, y = x * 5)
#> Error in eval(expr, envir, enclos): objeto 'x' no encontrado
# tibble si
tibble(x = 1:5, y = x * 5)
#> # A tibble: 5 x 2
#> x y
#> <int> <dbl>
#> 1 1 5
#> 2 2 10
#> 3 3 15
#> 4 4 20
#> 5 5 25La funcion print() muestra solamente las 10 primeras filas por defecto
y todas las columnas que caben en la pantalla. Indica el tipo de cada
columna y utiliza distintos estilos de fuente y colores para destacar
aspectos importantes que faciliten la interpretación del output.
# n. de filas (todas las columnas)
# n. de columnas (ampliar y disminuir el tamano de la consola)
# tipo de variable (todas las columnas)
# colorea valores positivos y negativos (col x)
# los miles estan subrayados (col y)
# se muestran los tres digitos mas importantes de cada numero (es decir los digitos que representan > 99.9% del valor del numero) y un punto final que indica la existencia de decimales (col z y h)
data.frame(
x = -5:5,
y = 1000:1010,
z = pi * 300
)
#> x y z
#> 1 -5 1000 942.4778
#> 2 -4 1001 942.4778
#> 3 -3 1002 942.4778
#> 4 -2 1003 942.4778
#> 5 -1 1004 942.4778
#> 6 0 1005 942.4778
#> 7 1 1006 942.4778
#> 8 2 1007 942.4778
#> 9 3 1008 942.4778
#> 10 4 1009 942.4778
#> 11 5 1010 942.4778
tibble(
x = -5:5,
y = 1000:1010,
z = pi * 300,
h = pi * x ^ x,
k = x
)
#> # A tibble: 11 x 5
#> x y z h k
#> <int> <int> <dbl> <dbl> <int>
#> 1 -5 1000 942. -0.00101 -5
#> 2 -4 1001 942. 0.0123 -4
#> 3 -3 1002 942. -0.116 -3
#> 4 -2 1003 942. 0.785 -2
#> 5 -1 1004 942. -3.14 -1
#> 6 0 1005 942. 3.14 0
#> 7 1 1006 942. 3.14 1
#> 8 2 1007 942. 12.6 2
#> 9 3 1008 942. 84.8 3
#> 10 4 1009 942. 804. 4
#> 11 5 1010 942. 9817. 5Se pueden modificar las opciones por defecto.
# p.ej. para mostrar siempre todas las filas
options(pillar.print_max = Inf)
# p.ej. para mostrar siempre todas las columnas
options(pillar.width = Inf)Al realizar un subset a un tibble [] siempre devuelve otro tibble. Sin embargo, en data frames a veces devuelve un data frame y otras, un vector.
df <- data.frame(x = 1:5, y = 6:10)
# data frame
class(df[, 1:2])
#> [1] "data.frame"
# vector
class(df[, 1])
#> [1] "integer"
tbl <- tibble(x = 1:5, y = 6:10)
# tibble
class(tbl[, 1:2])
#> [1] "tbl_df" "tbl" "data.frame"
# tibble
class(tbl[, 1])
#> [1] "tbl_df" "tbl" "data.frame"
# se puede extraer una sola columna en un tibble mediante [[]] y $
class(tbl[[1]])
#> [1] "integer"
class(tbl$x)
#> [1] "integer"Los tibbles son mas restrictivos con el operador $. Nunca realizan coincidencias parciales, y lanzan una advertencia y devuelven NULL si la columna no existe.
df <- data.frame(hello = 1)
df$h
#> [1] 1
df$he
#> [1] 1
df$hel
#> [1] 1
df$hell
#> [1] 1
df$hello
#> [1] 1
tbl <- tibble(hello = 1)
tbl$h
#> Warning: Unknown or uninitialised column: `h`.
#> NULL
tbl$he
#> Warning: Unknown or uninitialised column: `he`.
#> NULL
tbl$hel
#> Warning: Unknown or uninitialised column: `hel`.
#> NULL
tbl$hell
#> Warning: Unknown or uninitialised column: `hell`.
#> NULL
tbl$hello
#> [1] 1Los tibbles no admiten nombres de fila. Estos se eliminan al convertir desde data frame a tibble o al realizar un subset.
df <- data.frame(x = 1:5, row.names = letters[1:5])
rownames(df)
#> [1] "a" "b" "c" "d" "e"
# se eliminan
rownames(as_tibble(df))
#> [1] "1" "2" "3" "4" "5"
tbl <- tibble(x = 1:5)
# advertencia
rownames(tbl) <- letters[1:5]
#> Warning: Setting row names on a tibble is deprecated.
# existen
rownames(tbl)
#> [1] "a" "b" "c" "d" "e"
# pero al realizar el subset se eliminan
rownames(tbl[5, ])
#> [1] "1"Al construir un tibble, sólo se reciclan los valores de longitud 1. La primera columna con longitud diferente a uno determina el número de filas del tibble.
# longitud de 1 -> se recicla
data.frame(x = 1, y = 1:6)
#> x y
#> 1 1 1
#> 2 1 2
#> 3 1 3
#> 4 1 4
#> 5 1 5
#> 6 1 6
tibble(x = 1, y = 1:6)
#> # A tibble: 6 x 2
#> x y
#> <dbl> <int>
#> 1 1 1
#> 2 1 2
#> 3 1 3
#> 4 1 4
#> 5 1 5
#> 6 1 6
# longitud de 2 -> se recicla
data.frame(x = 1:2, y = 1:6)
#> x y
#> 1 1 1
#> 2 2 2
#> 3 1 3
#> 4 2 4
#> 5 1 5
#> 6 2 6
# longitud de 2 -> no se recicla
tibble(x = 1:2, y = 1:6)
#> Error in `tibble()`:
#> ! Tibble columns must have compatible sizes.
#> * Size 2: Existing data.
#> * Size 6: Column `y`.
#> i Only values of size one are recycled.Los tibbles no admiten operaciones aritméticas en las columnas y por ello lo convierten silenciosamente a un data frame en el momento de realizar las operaciones. Indican que esto se puede convertir en un error en una próxima versión de tibble.
df <- data.frame(a = 1:5, b = 6:10)
class(df * 2)
#> [1] "data.frame"
tbl <- tibble(a = 1:5, b = 6:10)
class(tbl * 2)
#> [1] "data.frame"Tibble proporciona la función as_tibble() para coercionar objetos
hacia tibbles. Sus métodos son más sencillos y por tanto, más rápidos
que los de as.data.frame().
x <- replicate(10, sample(100), simplify = FALSE)
names(x) <- letters[1:length(x)]
timing <- bench::mark(
as_tibble(x),
as.data.frame(x),
check = FALSE,
time_unit = "ns"
)
timing
#> # A tibble: 2 x 6
#> expression min median `itr/sec` mem_alloc `gc/sec`
#> <bch:expr> <dbl> <dbl> <dbl> <bch:byt> <dbl>
#> 1 as_tibble(x) 132807. 144225. 5817. 12.9KB 28.0
#> 2 as.data.frame(x) 476544. 524920. 1551. 0B 29.3Tidyverse está optimizado para usar tibbles!