【发布时间】：2015-03-20 11:45:47
【问题描述】：
这个问题让我很困惑；我不是经验丰富的 R 用户，所以我所做的可能并不优雅，但并不复杂，我不明白问题所在。
我从一个简单的数据框开始，它有 6 列和数百行。数据列是年、月、日和三个数值变量。可能有几行具有相同的年、月和日值。这是一个例子：
> thisFrame
Year Month Day trans_fac dist var
1 2003 3 23 42.3475 1.858 1.48190
2 2003 3 23 42.3475 2.779 1.42260
3 2003 3 23 42.3475 4.145 1.39150
4 2003 3 23 42.3475 5.069 1.37860
5 2003 3 23 42.3475 6.439 1.42050
6 2003 3 23 42.3475 8.736 2.54290
7 2003 3 23 42.3475 9.661 1.29120
8 2003 3 23 42.3475 11.040 1.24360
9 2003 3 23 42.3475 11.960 1.32190
10 2003 3 23 42.3475 13.340 1.34820
11 2003 3 23 42.3475 14.270 1.34630
12 2003 3 23 42.3475 15.640 1.37820
13 2003 3 23 42.3475 16.570 1.39550
[some rows snipped]
24 2003 3 23 42.3475 29.840 1.09530
25 2003 4 11 42.3475 2.091 2.62980
26 2003 4 11 42.3475 3.557 1.61910
27 2003 4 11 42.3475 5.446 1.03760
28 2003 4 11 42.3475 7.099 0.93600
29 2003 4 11 42.3475 8.798 1.02190
30 2003 4 11 42.3475 10.630 1.03940
31 2003 4 11 42.3475 12.240 0.96743
32 2003 4 11 42.3475 14.110 0.95497
因为我想独立对每一天的数据进行操作，所以我计算每一行的 Julian(unix) 天，并将变量 jdays 添加到数据框中，然后找到唯一的天。
days <- as.Date(ISOdate(thisFrame$Year,thisFrame$Month,thisFrame$Day))
thisFrame$jdays <- as.integer(days)
uniq_days <- unique(thisFrame$jdays)
nudays <- length(uniq_days) # number of unique days
然后，我循环遍历唯一天数，并通过根据唯一天对原始帧进行子集化来创建新数据帧。然后我想将操作的结果连同输入集的日、月、年一起打印出来。应该很简单吧？好吧，结果正是我有时想要的结果，有时我会得到日、月和年的 NA 值，即使它们存在于子集中。我已经尝试了几种不同的输入数据帧，但没有找到任何可以帮助我理解为什么会发生这种情况的模式。
for (i in 1:nudays) {
thisSet <- thisFrame[thisFrame$jdays == uniq_days[i],]
print(thisSet)
print(c(i, thisSet$Day[i], thisSet$Month[i], thisSet$Year[i])
}
预期结果：
[1] "This is subset 1"
Year Month Day trans_fac dist var jdays
1 2003 3 23 44.4335 2.011 1.12240 12134
2 2003 3 23 44.4335 3.180 0.92435 12134
3 2003 3 23 44.4335 4.147 0.95406 12134
[lines snipped]
28 2003 3 23 44.4335 29.870 0.75302 12134
[1] 1 3 23 2003
[1] "This is subset 2"
Year Month Day trans_fac dist var jdays
29 2003 3 26 44.4335 3.514 1.01300 12137
30 2003 3 26 44.4335 5.275 0.74062 12137
31 2003 3 26 44.4335 7.031 0.67548 12137
[lines snipped]
45 2003 3 26 44.4335 31.220 0.58399 12137
[1] 2 3 26 2003
等等。直到我们到达
[1] "This is subset 18"
Year Month Day trans_fac dist var jdays
358 2003 8 18 44.4335 2.075 0.85803 12282
359 2003 8 18 44.4335 3.524 0.71728 12282
[lines snipped]
374 2003 8 18 44.4335 30.320 0.76502 12282
[1] 18 NA NA NA
but then, we back to expected behavior
[1] "This is subset 19"
Year Month Day trans_fac dist var jdays
375 2003 8 19 44.4335 2.475 1.17220 12283
376 2003 8 19 44.4335 3.875 0.87088 12283
[lines snipped]
397 2003 8 19 44.4335 30.070 0.76463 12283
[1] 19 8 19 2003
直到我们到达
[1] "This is subset 21"
Year Month Day trans_fac dist var jdays
418 2003 9 2 44.4335 1.781 2.00410 12297
419 2003 9 2 44.4335 3.783 0.96007 12297
420 2003 9 2 44.4335 5.479 0.85195 12297
[lines snipped]
433 2003 9 2 44.4335 28.530 0.89522 12297
[1] 21 NA NA NA
返回预期结果
[1] "This is subset 24"
Year Month Day trans_fac dist var jdays
464 2003 9 17 44.4335 1.173 1.80490 12312
465 2003 9 17 44.4335 2.587 1.04510 12312
[lines snipped]
487 2003 9 17 44.4335 29.770 0.82791 12312
[1] 24 9 17 2003
等等。
我没有发现问题，如果有任何建议，我将不胜感激。谢谢。
【问题讨论】：
-
如果你写了一个完整的reproducible example会有所帮助；跳过所有行，很难重现您的结果。但是您可能应该首先考虑使用
split()或by()来拆分您的data.frame。 -
感谢@MrFlick 的留言和回答我的问题。我不确定要在问题中包含多少，也不知道如何包含完整的数据集。我认为我所包含的内容足以让人理解——我想我错了，但无论如何你都说对了。
-
总是首选较小（最小）的数据集，但它应该是可运行的。使用“断线”很难重现问题。
标签： r dataframe unique subset na