Question

我尝试使用内置数据集重现此问题，但它只发生在我自己的数据集中。

如果我们采用我的数据的随机子集：

structure(list(ID = structure(c(27L, 1L, 27L, 7L, 5L, 10L, 23L, 
19L, 21L, 26L), .Label = c("AC ", "AJ ", "AT ", "AWY", "BP ", 
"BW ", "CA ", "CK ", "CS ", "DJ ", "EN ", "ES ", "HF ", "HG ", 
"HL ", "HR ", "IP ", "JA ", "JG ", "JN ", "KB ", "KP ", "MJ ", 
"PC ", "RFH", "RPA", "SB ", "SG ", "TM "), class = "factor"), 
TNO = c(30L, 60L, 30L, 10000L, 10000L, 10000L, 120L, 60L, 
120L, 10000L), TNOGroup = structure(c(1L, 1L, 1L, 2L, 2L, 
2L, 2L, 1L, 2L, 2L), .Label = c("Good", "Poor"), class = "factor"), 
x = c(6.15, 7.75, 5.6, 3.05, 3, 4.1, 6, 3.9, 5.85, 3.75), 
View = structure(c(1L, 1L, 2L, 2L, 2L, 2L, 1L, 2L, 1L, 1L
), .Label = c("Binocular", "Monocular"), class = "factor"), 
Prior = structure(c(2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 1L
), .Label = c("N", "Y"), class = "factor")), .Names = c("ID", 
"TNO", "TNOGroup", "x", "View", "Prior"), row.names = c(169L, 
49L, 24L, 16L, 9L, 4L, 35L, 18L, 164L, 36L), class = "data.frame")

然后尝试删除ID为双字符串的所有实例，例如“SB”：

data2 <- data[!data$ID %in% c("SB"),] # List syntax in case multiple cases

但是，当我检查数据帧时，ID仍为“SB”的案例仍然存在。当我使用三个字符的字符串（例如“RPA”）尝试此操作时，具有此ID的所有案例都将按预期删除。

有关为何会出现这种情况的任何见解？

Answer 1

作为%in%的替代方案，我建议您按以下方式尝试grepl：

mydf[!grepl("CA", mydf$ID), ]
   ID   TNO TNOGroup    x      View Prior
1  AC    60     Good 5.75 Binocular     Y
2 RFH    60     Good 5.60 Monocular     N
3  BP 10000     Poor 3.00 Monocular     N
4  HG    60     Good 4.30 Binocular     Y
6  IP   120     Poor 5.50 Monocular     N
7  JG    60     Good 3.80 Monocular     Y
9 AWY 10000     Poor 3.70 Monocular     Y

我的怀疑（我无法在未实际查看使用dput提供的数据子集的情况下进行验证）是"CA"值可能在它们周围有空格。对于R，"CA"与"CA "不同，即使它们在data.frame中看起来相同。

如果正在读入的文件中有空格，通常会发生这样的问题。默认情况下，R在决定是否删除该空格时是保守的，但它包含逻辑参数strip.white到与read.table和家人一起使用。

因此，您可以使用以下方法来避免此问题：

read.csv("yourfile.csv", strip.white = TRUE)

另请注意，这不一定是更安全或更强烈推荐的%in%替代方案。使用grepl可能会产生意想不到的后果。例如，如果您有另一个"CAR"的ID，则使用我共享的选项也会匹配。

更新

即使strip.white也无法解决您的所有问题。如果您的CSV中引用了所有字符串，并且引号之间存在硬编码的空格，则strip.white会像对象一样尊重这些空格。

这是一个基本的例子。

我们将创建一个CSV文件，其中第一行数据的空格为硬编码，第二行数据则没有。

myTest <- tempfile()
cat(file = myTest, 'A, B, C', 
    '"AA", "BB ", "CC"', 
    '    AA,   BB   , CC', 
    sep = "\n")

现在，使用带有和不带read.csv的{{1}}读取文件并比较输出。

strip.white = TRUE

请注意，对于空格未在引号之间进行硬编码的行，在“B”中，空格被适当地修剪，但它仍保留在第一行中。要解决那个问题，您可能需要使用一些正则表达式去除字符串开头和结尾处的空格。

R中的逻辑索引失败

1 个答案:

更新