Question

我在数据框（“df”）中有一个数字列（“值”），我想根据“值”生成一个新列（“valueBin”）。我有以下条件代码来定义df $ valueBin：

df$valueBin[which(df$value<=250)] <- "<=250"
df$valueBin[which(df$value>250 & df$value<=500)] <- "250-500"
df$valueBin[which(df$value>500 & df$value<=1000)] <- "500-1,000"
df$valueBin[which(df$value>1000 & df$value<=2000)] <- "1,000 - 2,000"
df$valueBin[which(df$value>2000)] <- ">2,000"

我收到以下错误：

“$<-.data.frame中的错误（*tmp*，”valueBin“，值= c（NA，NA，NA，：替换有6530行，数据有6532“

df$value的每个元素都应该适合我的一个which()语句。 df$value中没有缺失值。虽然即使我只运行第一个条件语句（＆lt; = 250），但我得到了完全相同的错误，"...replacement has 6530 rows..."虽然有少于6530条记录值<＆lt; = 250，但值绝不是NA。

当使用aggregate（）是一个bug时，这个SO链接注意到类似的错误，但它建议安装我拥有的R版本。此外，错误报告称其已修复。 R aggregate error: "replacement has <foo> rows, data has <bar>"

这个SO链接似乎与我的问题更相关，这里的问题是他/她的条件逻辑的问题导致更换数组的元素生成更少。我想这也一定是我的问题，并且首先想到我必须有一个“＆lt; =”而不是“＆lt;”反之亦然，但经过检查后我很确定它们都是正确的，可以覆盖“价值”的每一个值，而不会重叠。 R error in '[<-.data.frame'... replacement has # items, need #

Answer 1

@akrun的答案肯定能解决问题。对于想要理解原因的未来googlers，这里有一个解释......

首先需要创建新变量。

变量“valueBin”需要已经在df中才能使条件赋值工作。本质上，代码的语法是正确的。只需在代码卡盘前添加一行即可创建此名称 -

df$newVariableName <- NA

然后继续使用您拥有的任何条件分配规则，例如

df$newVariableName[which(df$oldVariableName<=250)] <- "<=250"

我责怪谁写了那个包的错误信息......调试因错误信息而特别令人困惑。在df中有两个不同长度的数组是无关紧要的信息。不。只需先创建新列。有关详细信息，请参阅此帖https://www.r-bloggers.com/translating-weird-r-errors/

Answer 2

您可以使用cut

 df$valueBin <- cut(df$value, c(-Inf, 250, 500, 1000, 2000, Inf), 
    labels=c('<=250', '250-500', '500-1,000', '1,000-2,000', '>2,000'))

数据

 set.seed(24)
 df <- data.frame(value= sample(0:2500, 100, replace=TRUE))

Answer 3

TL; DR ...，而且晚点参加，但是简短的解释可能会对将来的Google员工有所帮助。

通常，错误消息表示替换不适合数据框的相应列。

一个最小的例子：

df <- data.frame(a = 1:2); df$a <- 1:3

引发错误

$<-.data.frame（*tmp*中的错误，a，值= 1：3）：替换有3行，数据有2

这很清楚，因为a的向量df有2个条目（行），而我们尝试替换的向量有3个条目（行）。

错误 - 替换有[x]行，数据有[y]

3 个答案:

数据