Question

在R中使用data.frame的子集时遇到问题。

子集被正确创建和显示，但是当我尝试使用qplot()绘制它时，subset()未选择的行也会沿着一个轴显示。

我正在阅读的实际文件是一个Web服务器日志，但我创建了一个小例子来说明我的问题：

这是我读过的ITEMSSOLD.CSV文件：

CUST,DT,ITEM,PRICE
BigJoe,10/13/2010,Pickup Truck,20000
TightWad,10/13/2010,USB Drive,12
Jane,10/13/2010,Smart Car,30000
Scrooge,10/13/2010,Gumdrops,1
GeekyMan,10/13/2010,Smart Car,30000

我将其读入数据框如下：

sales_df <- read.table("C:/R_Expt/ItemsSold.csv", header=TRUE, sep=",")

然后我做了一个子集来获取高价商品，如下所示：

big_sales_df <- subset(sales_df, PRICE>100)

big_sales_df

big_sales_df
      CUST         DT         ITEM PRICE
1   BigJoe 10/13/2010 Pickup Truck 20000
3     Jane 10/13/2010    Smart Car 30000
5 GeekyMan 10/13/2010    Smart Car 30000

所以看起来不错。

当我尝试通过qplot绘图时，如下所示：

qplot(nrow, ITEM, data = ddply(big_sales_df, .(ITEM), "nrow"))

结果图显示Y轴上的全部 ITEMS，而不仅仅是皮卡和智能车。

单独ddply()会产生以下输出：

ddply(big_sales_df, .(ITEM), "nrow")
          ITEM nrow
1 Pickup Truck    1
2    Smart Car    2

由于该示例包含少量ITEM，因此该图仍然可读，但在现实生活中，我试图绘制慢速网页的名称，不幸的是，qplot()试图将所有名称都设置为沿着Y轴的网页，它变成黑色模糊。

我也尝试了sqldf()：

qplot(NSOLD, ITEM, data = sqldf('select ITEM, count(*) as NSOLD from big_sales_df group by ITEM order by count(*) desc'))

但这会产生相同的情节。

我所理解的是subset()以某种方式携带完整的父信息，而不仅仅是匹配的行。

有没有办法告诉subset()它应该只保留相关信息？

还是以任何其他方式绕过subset()携带空的成员？

我知道蛮力方法可能是将subset()的结果写入另一个CSV文件，然后在data.frame中将其读回来，但我确信有一种更简单的方法。

非常感谢你们所有的R大师！

Atish

Answer 1

当您对数据进行子集时，原始数据集中存在的因子仍然存在。以钻石数据集为例。你有5个不同的削减。

unique(diamonds$cut) ## Ideal, Premium, Good, Very Good, Fair

如果我们分配钻石，我们会得到：

str(subset(diamonds, cut == "Ideal")) ## Look at structure

在str（）中，我们看到切割保持了原来的因素。

$ cut    : Factor w/ 5 levels "Fair","Good",..: 5 5 5 5 5 5 5 5 5 5 ...

即使我们已经删除了所有其他类别的剪辑，但保理仍然存在。

您可以通过使用自己唯一的子集因子重构列来删除额外因素。

x$cut <- factor(x$cut, labels=unique(x$cut))

现在更具体地看一下你的例子：

test <- ddply(big_sales_df, .(ITEM), "nrow")
test$ITEM <- factor(test$ITEM, labels=unique(test$ITEM))

现在，再试一次你的情节。

Answer 2

您需要删除从子集中删除的因子级别。

big_sales_df$ITEM <- factor(big_sales_df$ITEM)
big_sales_df$CUST <- factor(big_sales_df$CUST)

或者更改您在数据中的阅读方式：

sales_df <- read.csv("ItemsSold.csv", header=TRUE, stringsAsFactors=FALSE)

Answer 3

或者你可以通过分解项目作弊：

qplot(nrow, factor(ITEM), data = ddply(big_sales_df, .(ITEM), "nrow")

地块上的不需要的物品

3 个答案: