Как я * исключаю *

Question

У меня есть датафрейм (данные), который включает в себя много дат. Я хочу отбросить все до 1970 года. Я могу создать список индексов до 1970 года:

tmp <- which(data$data < '1970-01-01')
[1]  13446 102876 141199

и я хочу создать новую таблицу, которая выпадает из этих трех строк. Что-то вроде:

data.after.1970 <- data[!tmp, ]

Я знаю, что могу создать вектор всех инцидентов после 1970 года и сопоставить его с:

tmp <- which(data$data > '1970-01-01')
data.after.1970 <- data[tmp, ]

Но мне интересно, какой синтаксис я бы использовал, чтобы исключить элементы.

ОБНОВИТЬ

Я наконец только что сделал это:

tmp <- which(data$data > as.Date('1970-01-01'))
data.after.1970 <- data[tmp, ]

и присмотрелся к нему. which(data$data < as.Date('1970-01-01')) получает три результата, но nrow(data) - nrow(data.after.1970) показывает, что я упал на 45 строк. summary(datae$date) прояснили:

summary(data$date)
        Min.      1st Qu.       Median         Mean      3rd Qu.         Max.         NA's 
"1933-07-01" "1989-01-25" "1992-07-09" "1992-05-03" "1996-06-10" "2006-09-14"         "42" 

Поскольку моя цель состояла в том, чтобы получить второй набор данных, чтобы я мог сравнить свои результаты, если я исключу результаты с неправильными датами, я на самом деле хочу также удалить результаты со значениями NA.

Я все еще хочу знать, какой синтаксис я бы использовал, чтобы исключить какой-либо числовой вектор, а не включить его.

Answer 1

Оказывается, это было на самом деле довольно просто.

data.after.1970 <- data[-tmp, ]

создаст новый кадр, data.after.1970 это включает в себя все строки из data кроме тех, которые соответствуют индексам в tmp,

Answer 2

which возвращает числовой вектор для элементов, которые имеют значение ИСТИНА в оценке логического выражения или в самом логическом векторе. Также возможно использовать отрицательную индексацию для удаления элементов. В вашем случае это может выглядеть так:

tmp <- data[ which(data$data < '1970-01-01') ,  ] 

Т.е. возвращаются все строки фрейма данных "data", где столбец "data" меньше "1970-01-01". Вы действительно должны научиться использовать более конкретные имена, чем "данные". Вы не только создадите путаницу, имея одинаковое имя для объекта и элемента с этим объектом, но также существует функция "данные". Итак, как ваша бедная аудитория должна знать, что вы имели в виду, когда писали код, чем 10 месяцев назад.

Для того, чтобы адресовать тех из них, кто не любит использование which Я бы ответил, что это позволяет избежать проблемы, заключающейся в том, что функция "[" будет возвращать все строки, для которых либо условие TRUE, либо NA. Ты можешь использовать subset который имеет то же преимущество, но не рекомендуется для использования в программировании, только для интерактивного использования. Вы можете сделать это так, как это делает подмножество, и добавить предложение, исключающее значения NA:

tmp <- data[ data$data < '1970-01-01 & !is.na(data$data) , ]

... и я бы сказал, что версия использует which "чище", чем эта альтернатива. Есть обратная сторона which что возникает в случае, когда никакие значения не являются ИСТИНАМИ, и вы используете отрицательную индексацию, в этом случае, вопреки ожиданию, используя dfrm[-which(condition) , ] не даст вам то, что вы хотите, а пустой вектор. Итак, правило таково: используйте which но не с отрицательной индексацией.

Answer 3

Чтобы объяснить немного больше, если вы запустите:

data$date > '1970-01-01'

вы увидите, что он возвращает логический вектор TRUE/FALSE который вы можете использовать, чтобы выбрать необходимые строки. Это работает как в этом примере:

test <- 1:3
test[c(TRUE,FALSE,TRUE)]
# result
[1] 1 3

Как отмечает @DWin в своем ответе, при наличии NA значения, которые также будут возвращены, а также TRUE ценности. Как в:

test <- c(NA,1:3)
test > 2
# result
[1]    NA FALSE FALSE  TRUE
test[test>2]
# result
[1] NA  3

which оператор возвращает все TRUE только индексы, что позволяет избежать проблемы с NA ценности.

test <- c(NA,1:3)

which(test>2)
# result - the fourth value of test is > 2
[1] 4

> test[4]
# result - return the fourth value of test
[1] 3

test[which(test>2)]
# result - return the fourth value of test as the 
# which statement has identified it is > 2
[1] 3

Кроме того, я понимаю, что вам, вероятно, на самом деле нужно сделать что-то вроде:

data$date > as.Date('1970-01-01')

... чтобы ваш пример работал правильно. Это при условии, конечно, ваш date столбец также на самом деле Date объект, а не просто текст.