Question

我有一个包含两列（字符）的数据集 - 文本，源，我想创建一个数据集，以便文本列中的特定值小于5次。我使用下面的代码，但它只给出第一次出现，而我需要满足该条件的所有观察。例如：'iphone'在文本中存在4次，所以我需要所有4个观察及其相应的来源，但我只得到一个观察。

test = sqldf('select * , count(*) as count from base group by text having count < 5')

我熟悉SAS中的proc sql，我最近开始学习R. sqldf是否以不同的方式运作？

Answer 1

# Let me assume a data frame
base <- data.frame(source = 1:100, text = sample(letters,replace=T,100))    
base2 <- merge(base, aggregate(base$text, by=list(base$text), length), by.x="text", by.y="Group.1")
your_output <- base2[base2$x<5, ]

我使用合并和汇总而不是 sqldf 。

使用 sqldf ：

sqldf("select * from base where text in (select text from base group by text having count(*) < 5)")

Answer 2

此查询为您提供了＆＃34; text＆＃34;观察计数小于5的情况。您需要编写另一个查询，从主数据集中选择所有属性＆＃34; text＆＃34;出现在测试中。希望这会有所帮助。

Answer 3

问题中的查询根据标准SQL规则工作，并且可以在任何支持SQL的系统中以这种方式工作。

看来你真的想要这个：

library(sqldf)
base <- data.frame(text = rep(letters[1:3], 4:6), record = 1:15)  # test input

sqldf('select * 
       from (select text, count(*) as count 
             from base 
             group by text 
             having count < 5)
       join base using(text)')

对于测试输入给出：

  text count record
1    a     4      1
2    a     4      2
3    a     4      3
4    a     4      4

（将来请提供完整的自包含代码，包括读者可以运行以重现问题的所有输入。）

sqldf中的group by语句问题

3 个答案: