r - 过滤后我的所有值都变为na

Question

请帮帮我！ 我有一个包含银行账户的大数据集

它按以下方式组织：

  

V1 - 注册银行号码

     

V2 - 帐户价值记录日期

     

V3 - 帐号

     

所有剩余的V - s都是值本身（以cur，金属等为单位）

我需要通过帐号进行过滤，保留表中的所有内容，但是需要特定的帐号。这是我使用的代码：

filelist = list.files(pattern = ".txt")

datalist = lapply(filelist, function(x)read.table(x, header=FALSE, sep = ";")) 

all_data = do.call("rbind", datalist) 

r_d <- rename(all_data, c("V1"="Number", "V2"="Dates", "V3"="Account"))
r_d$Account <- as.character(r_d$Account)
f_d <- filter(all_data, r_d$Account >= 42301 & r_d$Account <= 42315 |
    r_d$Account >= 20202 & r_d$Account <= 20210 |
    r_d$Account == 98010 | r_d$Account == 98015)

问题是这段代码的输出是一个只包含NA的表，一切都变成NA，即使这些acc数存在，我也绝对相信。

如果我在过滤器中使用Account而不是r_d$Account，则R会写入该对象帐户不存在。我也不明白。

拜托，纠正我。

Answer 1

您的代码有几个问题。获得NA的原因是您将NULL传递到所有地方。你看过r_d$Account了吗？当您在代码中发现问题时，您应该首先逐步进行分餐，在这种情况下，您会看到r_d$Account为您提供NULL。为什么？因为您没有正确重命名列。 colnames(r_d)将会显露出来。

首先，rename使用未引用的参数进行非标准评估，或rename_采用character = character的向量对。这些可能有效（我无法确定，因为我不打算转录您的数据图像...请在下次提供来自dput的可复制输出！）：

# non-standard evaluation
rename(all_data, Number=V1, Dates=V2, Account=V3)

# standard-evaluation #1:
rename_(all_data, Number="V1", Dates="V2", Account="V3")

# standard-evaluation #2
rename_(all_data, .dots = c("Number"="v1", "Dates"="V2", "Account"="V3"))

从那里，如果您单步执行代码，您会发现r_d$Account不再是NULL。

其次，您是否有理由创建r_d但仍然引用all-data？肯定有时候你需要做这种事情;这里不是其中之一，它太容易出问题（例如，如果其中一个的行顺序或维度发生变化）。

第三，因为您将$Account转换为character，所以使用不等式比较是非常不合适的。虽然这样做肯定是合法的（"1" < "2"是TRUE），但它会遇到问题，例如"11" < "2"也是TRUE，而"3" < "22"是FALSE。我不是说你应该避免转换为字符串;我认为这是合适的。您对帐户范围的使用令人困惑：帐号应该是分类的，而不是序数，因此选择帐号的范围是不合逻辑的。

第四，即使假设帐号应是序数且范围有意义，也可以改进filter的使用，但前提是你要么（a）接受字符串化的比较-numbers是可接受的（"3" > "22"），或（b）将它们保持为整数。首先，您不应该在NSE dplyr函数中引用r_d$。 （修改：您还需要使用括号对逻辑进行分组。）这是您代码中的字面翻译：

f_d <- filter(r_d, (Account >= 42301 & Account <= 42315) |
    (Account >= 20202 & Account <= 20210) |
    Account == 98010 | Account == 98015)

您可以通过以下方式使其更具可读性：

f_d <- filter(r_d,
              Account %in% c(98010, 98015) |
                between(Account, 42301, 42315) |
                between(Account, 20202, 20210)
              )

假设$Account为character，或许更好的方法是根据其他一些标准（开放日期，订单日期，其他来自不同列的内容）来确定哪些帐户是合适的），一旦你有一个帐号矢量，做

filter(r_d,
       Account %in% vector_of_interesting_account_numbers)