过滤数据后，环境显示相同的数据大小答案

【问题标题】：After I filter my data, the environment shows it same data size过滤数据后，环境显示相同的数据大小
【发布时间】：2018-02-01 13:52:35
【问题描述】：

如图中的问题所示，在我两次过滤数据后，buyer_dormant 和buyer_converted 的obs 仍然与buyer_before_20161222 相同。

在过滤过程中控制台没有显示任何错误。所以我对发生的事情感到非常困惑。

当我尝试测试数据以查看哪里出错时，我在表 buy_converted 中过滤了 order_amount==0 & 20170222<order_date<=20170522。结果应该是no result，但它返回了order_amount=1。

我对自己的状况感到非常困惑，我不知道自己错过了什么。

任何建议将不胜感激！

【问题讨论】：

标签： sql r database sqldf r-package

【解决方案1】：

您确定您的 SQL 查询措辞正确吗？对于第一个 sql 查询，尝试"SELECT customer_id, order_amount, order_date FROM buyer_before_20161222 WHERE (order_amount <=0) AND (order_date BETWEEN 2016122 AND 20170222)" 看看是否有效。

如果您只希望customer_id 用于描述的休眠和转换的买家组，请尝试使用dplyr 编写的以下代码：

201612222之前买过东西的顾客：

buyer_before_2016122 <- order_table %>% 
    filter(order_amount>=1, order_date < 20161222) %>%
    select(customer_id)

在 20161222 和 20170222 之间没有购买任何东西的客户，过滤出在 20161222 之前购买过东西的客户，也就是休眠买家：

 buyer_dormant  <- order_table %>%
    filter(between(order_date, 20161222, 20170222), order_amount <= 0, 
    customer_id %in% buyer_before_2016122$customer_id )

在 20170222 和 20170522 之间购买的客户，过滤掉休眠买家，也就是转换的买家：

buyer_converted <- order_table %>% 
    filter(between(order_date, 20170222, 20170522), order_amount >= 1, 
    customer_id %in% buyer_dormant$customer_id )

希望有帮助！

【讨论】：

感谢您的回复。我只是试图以你的方式重写，但环境显示buyer_dormant有0个obs。
这不是我们想要的结果吗？我可以看到你已经过滤了buyer_before_20161222 有order_amount >=1，所以再次明确过滤order_amount <=0 不会留下任何观察结果。如果这不是想要的结果，我认为您需要考虑您要过滤的内容，因为代码现在似乎可以正常工作了。
这不是想要的结果。在buyer_before_20161222，order_amount>=1 被限制在时间段order_date<20161222。而order_amount<=0 旨在根据buyer_before_20161222 查找在2016122 <=order_date<= 20170222 期间未购买的客户。所以应该有一些数据，因为我可以在我的 csv 文件中找到一些满足这些条件的客户。
按照您现在编写的方式，dplyr 过滤器 (filter(order_amount >=1, order_date < 20161222)) 不受“约束”——它将仅返回订单金额为正且订单日期早于 20161222 的观察值。换句话说，所有订单日期在 20161222 之后的观察都将被过滤掉。要包含它们，一种可能的方法是将| order_date >= 20161222 添加到您的条件语句中。您编写的 SQL 查询也是如此——由AND 链接的两个条件不会以您描述的方式相互“约束”。
非常感谢。可能是因为我的英语不好，我没有明确表达我的情况。首先：dplyr 过滤器的结果是我想要的 - 我想找到在 20161222 之前购买的客户（在这种情况下为 order_amount>=1）。其次：我想要在 buyer_dormant 中找到在 2016122 <=order_date<= 20170222from 期间停止购买的客户buyer_before_20161222。然后从customer_dormant找到重新开始购买的客户。那么，我认为在这种情况下使用& 可能是正确的？