Quand doit-on utiliser un data.frame et quand est-il préférable d'utiliser un matrix ?
Les deux conservent les données dans un format rectangulaire, donc parfois ce n'est pas clair.
Existe-t-il des règles générales pour savoir quand utiliser tel ou tel type de données ?
Les matrices et les cadres de données sont des tableaux rectangulaires en 2D et peuvent être hétérogène par lignes et colonnes . Ils partagent certaines méthodes et propriétés, mais pas toutes.
Exemples :
M <- list(3.14,TRUE,5L,c(2,3,5),"dog",1i) # a list
dim(M) <- c(2,3) # set dimensions
print(M) # print result
# [,1] [,2] [,3]
# [1,] 3.14 5 "dog"
# [2,] TRUE Numeric,3 0+1i
DF <- data.frame(M) # a data frame
print(DF) # print result
# X1 X2 X3
# 1 3.14 5 dog
# 2 TRUE 2, 3, 5 0+1i
M <- matrix(c(1,1,1,1,2,3,1,3,6),3) # a numeric matrix
DF <- data.frame(M) # a all numeric data frame
solve(M) # obtains inverse matrix
solve(DF) # obtains inverse matrix
det(M) # obtains determinant
det(DF) # error Prograide est une communauté de développeurs qui cherche à élargir la connaissance de la programmation au-delà de l'anglais.
Pour cela nous avons les plus grands doutes résolus en français et vous pouvez aussi poser vos propres questions ou résoudre celles des autres.
0 votes
Souvent, une matrice peut être mieux adaptée à un type particulier de données, mais si le paquet que vous voulez utiliser pour analyser ladite matrice s'attend à un cadre de données, vous devrez toujours le convertir inutilement. Je pense qu'il n'y a aucun moyen d'éviter de se souvenir de quel paquet utilise quel paquet.