r - 过滤后我的所有值变成 na

Question

请帮帮我！ 我有相当大的包含银行账户的数据集

它的组织方式如下：

V1 - 银行的注册号

V2 - 账户价值记录日期

V3 - 帐号

所有剩余的V-s 用于值本身（在 cur、metals 等中）

我需要通过帐号进行过滤，保留表中的所有内容，但针对特定的 acc 号码。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NAs 的表，所有内容都变成了NA，即使这些acc 数字存在，我对此非常确定。

如果我在过滤器中使用 Account 而不是 r_d$Account，R 会告诉我对象 Account 不存在。我也不明白。

请纠正我。

Answer 1

您的代码有几个问题。你得到NAs 的原因是你到处都在传递NULLs。你看过r_d$Account吗？当您在代码中发现问题时，您应该从零碎开始，在这种情况下，您会看到r_d$Account 为您提供NULL。为什么？因为您没有正确重命名列。 colnames(r_d) 将揭晓。

首先，rename 要么使用未引用 参数进行非标准评估，要么rename_ 采用character=character 对的向量。这些可能有效（我不能确定，因为我不打算转录你的数据图像......请下次提供来自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，如果您单步执行您的代码，您应该会看到 r_d$Account 不再是 NULL。

其次，您创建r_d 但仍然引用all-data 是否有原因？肯定有你需要做这种事情的时候；这里不是其中之一，它太容易出现问题（例如，如果其中一个的行顺序或尺寸发生变化）。

第三，因为你将$Account转换为character，所以使用不等式比较确实不合适。虽然这样做当然是合法的（"1" < "2" 是TRUE），但它会遇到问题，例如"11" < "2" 也是TRUE，而"3" < "22" 是FALSE。我并不是说您应该避免转换为字符串；我认为是合适的。您对帐号范围的使用令人困惑：帐号应该是分类的，而不是顺序的，因此选择帐号的范围是不合逻辑的。

第四，即使假设帐号应该是序数并且范围是有意义的，您对filter 的使用可以得到改进，但前提是您 (a) 接受字符串化数字的比较是可以接受的 ("3" > "22")，或者 (b) 将它们保留为整数。首先，您不应该在 NSE dplyr 函数中引用 r_d$。 （编辑：您还需要用括号对逻辑进行分组。）这是您的代码的字面翻译：

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)
              )

也许更好的方法是，假设$Account 是character，将根据其他一些标准（开放日期、订单日期、其他列中的其他内容）确定哪些帐户是合适的，然后一次你有一个帐号向量，做

filter(r_d,
       Account %in% vector_of_interesting_account_numbers)