R подмножество заказанный множитель

У меня есть следующий data.frame, который сообщает различные данные о странах за различные годы. Данные дезагрегируются городскими/сельскими, городскими трущобами/городскими трубами, а также столичными городами и другими городскими центрами. К сожалению, данные немного неоднородны, поэтому не каждая страна имеет данные, представленные в том же году, и по всем показателям.R подмножество заказанный множитель

Я пытаюсь подмножить данные, чтобы произвести некоторые графики, чтобы сравнить самые последние данные из каждой страны. Я создал столбец в data.frame, называемый «последним», который сообщает, является ли строка последним годом. Однако, когда я пытаюсь сравнить, например, трущобы/не-трущобы - имеющиеся данные не всегда самые последние. Поэтому я хотел бы создать подмножество, которое смотрит, будут ли данные присутствовать в данной строке, если это не так, я хотел бы выбрать данные из следующего последнего года.

У меня такое чувство, что этого можно добиться, используя порядок факторируемой переменной «Год», но не знаю, как это сделать. Я могу выбрать только строки с данными в них, но это дает мне несколько записей для каждой страны следующим образом:

fever[(fever$Non.slum!='NA'),]

Производит это:

 COUNTRY Year Urban Rural Total Capital.City Other.Cities..towns Non.slum Slum latest 
NA  <NA> <NA>  NA  NA  NA   NA     NA  NA NA <NA> 
NA.1  <NA> <NA>  NA  NA  NA   NA     NA  NA NA <NA> 
3 Ethiopia 2011 14.78709 16.03735 15.87641  11.86713   15.28213  10.6 15.4  y 
4 Ethiopia 2005 16.00000 18.90000 16.90000  15.70000   16.10000  15.0 16.1  n 
5 Ethiopia 2000 22.38637 25.18128 24.90000  19.49970   22.86689  19.9 22.6  n 
6  Kenya 2008/9 20.71574 22.58868 22.20000  16.99561   22.39136  19.2 21.8  y 
7  Kenya 2003 39.78713 40.75334 40.56866  38.45388   40.49664  31.7 42.8  n 
8  Kenya 1998 41.67932 42.44481 42.30155  38.79310   43.27112  36.3 43.7  n 
NA.2  <NA> <NA>  NA  NA  NA   NA     NA  NA NA <NA> 
10 Lesotho 2009 12.93654 16.22281 17.90000  13.25208   12.69136  11.7 13.6  y

Так что мне нужно это функция, чтобы выбрать только те строки, в которых данные содержатся в столбце Slum/Non.Slum, но только одна запись в СТРАНЕ, основанная на самых последних доступных данных.

Я искал через форум, чтобы попытаться найти ответ, но не получаю очень далеко :(

Может кто-нибудь предложить любой удобный совет

Благодаря

пс Вот мои данные:

structure(list(COUNTRY = structure(c(1L, 2L, 3L, 3L, 3L, 4L, 
4L, 4L, 4L, 5L, 5L, 6L, 6L, 6L, 6L, 7L, 7L, 7L, 7L, 7L, 7L, 8L, 
8L, 8L, 9L, 9L, 9L, 9L, 9L, 10L, 11L, 11L, 11L, 11L, 11L, 11L, 
12L, 12L, 12L, 13L, 13L, 13L, 13L, 14L, 14L, 14L, 14L), .Label = c("Comoros", 
"Eritrea", "Ethiopia", "Kenya", "Lesotho", "Madagascar", "Malawi", 
"Namibia", "Rwanda", "Swaziland", "Tanzania", "Uganda", "Zambia", 
"Zimbabwe"), class = "factor"), Year = structure(c(5L, 12L, 25L, 
16L, 9L, 22L, 13L, 7L, 2L, 23L, 15L, 22L, 14L, 6L, 1L, 24L, 15L, 
9L, 1L, 13L, 6L, 19L, 9L, 1L, 24L, 21L, 16L, 9L, 1L, 19L, 24L, 
21L, 15L, 8L, 5L, 1L, 18L, 10L, 4L, 20L, 11L, 5L, 1L, 24L, 17L, 
8L, 3L), .Label = c("1992", "1993", "1994", "1995", "1996", "1997", 
"1998", "1999", "2000", "2000/1", "2001/2", "2002", "2003", "2003/4", 
"2004", "2005", "2005/6", "2006", "2006/7", "2007", "2007/8", 
"2008/9", "2009", "2010", "2011"), class = "factor"), Urban = c(47.8, 
24.2, 14.7870851371451, 16, 22.3863741902043, 20.7157413622361, 
39.7871349722997, 41.6793203690612, 35.8582154033059, 12.9365423294414, 
19.8478428266605, 11.9207464780274, 18.5676950229307, 27.6081260825543, 
22.9, 30.7, 29.8676525754328, 28.8769863995411, 36.7350808997634, 
23.6685395495197, 43.5924904552921, 15.3818829930695, 20.9, 28.4927963558185, 
16.7, 18.1130004296917, 25.3, 19, 32.2, 17.6, 29.7, 20.7, 22.5, 
29.6313219134818, 30.5, 31.6001273852453, 25, 32.9, 35.2, 16.3, 
33.1, 38.1, 33.7, 8.65178666948846, 7.3, 22.6, 34.5), Rural = c(47.6, 
32.7, 16.0373484732733, 18.9, 25.181276309133, 22.5886832681651, 
40.7533401938621, 42.4448145032958, 38.5298174751626, 16.2228067346473, 
26.465049129342, 8.41898094643249, 19.2257425400682, 29.635864119259, 
27.7, 35.1, 38.283749104983, 37.0204386868532, 40.4553536902836, 
23.6050855848523, 38.7593744908809, 16.2668541968914, 18.7, 36.7752452450324, 
15.6, 20.1615269604521, 26.4, 31, 42.1, 30.3, 21.2, 18.4, 24.9, 
31.338473181485, 30.3, 26.3897272106662, 43, 45.3, 47.8, 18.5, 
47.6, 41.4, 51.8, 10.1757289609584, 7.6, 27.3, 41.5), Total = c(47.6, 
29.8, 15.8764113925424, 16.9, 24.9, 22.2, 40.5686598193627, 42.3015496943942, 
38.2, 17.9, 25.5279161214695, 8.8, 19.1, 29.2, 27.1, 34.5, 37.1294935260729, 
36, 40.0371752616418, 23.6, 39.8, 15.9, 19.4, 34.0357824734553, 
15.8, 19.9, 26.2, 29.1, 41.6, 27.5, 22.9, 18.8, 24.4, 31, 30.3, 
27.5, 40.9, 43.9, 46.3, 17.8, 43.1, 40.1, 43.2, 9.72279457486365, 
7.5, 25.8, 39.7), Capital.City = c(62.5, 19.3, 11.8671319871973, 
15.7, 19.4996995263646, 16.99560676463, 38.4538776537224, 38.7931034482758, 
34.1584158415842, 13.2520773874409, 12.7659574468085, 15.6873992936943, 
14.9619843565563, 20.3036710627491, 19.5, NA, 32.011454861578, 
26.1111111111111, 33.2046332046333, 27.514648271213, 43.2946409100591, 
17.6134198692098, 21.2, 28.4927963558185, 17.4, 16.0904522908004, 
26.6, 22.7, 31.5, 13.4, NA, NA, 26.1, 29.1331564646512, 29.4, 
33.3949166628871, 18.9, 29.8, 30.5, 11, 32.3, 38.7, 26.3, 7.0408031903801, 
9.8, 26.7, 38.5), Other.Cities..towns = c(43.7, 27.7, 15.2821312519876, 
16.1, 22.8668864784677, 22.3913621285115, 40.4966412598569, 43.2711212401314, 
36.8054151596036, 12.6913635462951, 25.601742942828, 9.93629083208327, 
20.5991643631925, 31.5220710266449, NA, NA, 28.6811759983293, 
30.211847684812, 38.1705931383969, 22.8969512882811, 43.6420373588114, 
13.7990084372002, 20.4, 28.6992700604113, NA, 19.6243357194177, 
24.4, 17.5, 33, 22.1, NA, NA, 21.5, 29.7793073823722, 30.9, 31.1616047201402, 
29.9, 35.6, 39.4, 18.5, 33.4, 37.7, 36.3, 10.2081343223745, 5.3, 
18.9, 30), Non.slum = c(NA, NA, 10.6, 15, 19.9, 19.2, 31.7, 36.3, 
NA, 11.7, 18.8, NA, NA, NA, NA, NA, 24.7, 25.3, 33.7, 13.6, 35.1, 
15.6, 19.4, 36.8, NA, 15.4, 21.1, NA, 21.6, 18.1, NA, NA, 21.6, 
35.7, 24, 32, 15.9, 30.8, 28.4, 13.9, 28.5, 35.7, 29.3, 7.6, 
7.2, 21.8, 29.7), Slum = c(NA, NA, 15.4, 16.1, 22.6, 21.8, 42.8, 
43.7, NA, 13.6, 21.3, NA, NA, NA, NA, NA, 31.4, 31, 37, 24.2, 
44.8, 15.1, 23, 34, NA, 18.8, 27, NA, 34.9, 17.1, NA, NA, 22.8, 
26.5, 32.3, 31.5, 28.5, 34.2, 36, 17.9, 38.6, 39.3, 35.7, 10.1, 
7.4, 31.4, 41.1), latest = structure(c(2L, 2L, 2L, 1L, 1L, 2L, 
1L, 1L, 1L, 2L, 1L, 2L, 1L, 1L, 1L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 
1L, 1L, 2L, 1L, 1L, 1L, 1L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 2L, 1L, 
1L, 2L, 1L, 1L, 1L, 2L, 1L, 1L, 1L), .Label = c("n", "y"), class = "factor")), .Names = c("COUNTRY", 
"Year", "Urban", "Rural", "Total", "Capital.City", "Other.Cities..towns", 
"Non.slum", "Slum", "latest"), row.names = c(NA, -47L), class = "data.frame")

источник

2013-12-20 marty_c

Это можно сделать с помощью года или лучше для гибкого подмножества на «max (year)», однако, поскольку у вас есть записи типа «2008/9», вы не можете выполнять числовые операции над «Годом» – ECII

Привет, спасибо комментарий. Как показано ниже, я пытался избежать этого маршрута, но это может быть самый простой способ. Я могу преобразовать значения в столбце Год достаточно легко с чем-то вроде «лихорадки $ Год <- substr (лихорадка $ Год, 0, 4)», а затем преобразовать, как это, 'fever $ Year <- as.numeric (as.character (лихорадка $ год)) '. Но я не совсем уверен, как подмножество с помощью max()? –

Вы можете использовать subset выбрать только те строки, в которых обе No.slum и Slum не являются NA.Затем это подмножество, tmp, может использоваться для удаления строк с дублированием COUNTRY. Поэтому остаются только строки для последних Year.

tmp <- subset(fever, !is.na(Non.slum) & !is.na(Slum)) 
res <- tmp[!duplicated(tmp$COUNTRY), ]

Это возвращает:

 COUNTRY Year  Urban Rural  Total Capital.City Other.Cities..towns Non.slum Slum latest 
3 Ethiopia 2011 14.787085 16.03735 15.876411 11.867132   15.28213  10.6 15.4  y 
6  Kenya 2008/9 20.715741 22.58868 22.200000 16.995607   22.39136  19.2 21.8  y 
10 Lesotho 2009 12.936542 16.22281 17.900000 13.252077   12.69136  11.7 13.6  y 
17 Malawi 2004 29.867653 38.28375 37.129494 32.011455   28.68118  24.7 31.4  n 
22 Namibia 2006/7 15.381883 16.26685 15.900000 17.613420   13.79901  15.6 15.1  y 
26 Rwanda 2007/8 18.113000 20.16153 19.900000 16.090452   19.62434  15.4 18.8  n 
30 Swaziland 2006/7 17.600000 30.30000 27.500000 13.400000   22.10000  18.1 17.1  y 
33 Tanzania 2004 22.500000 24.90000 24.400000 26.100000   21.50000  21.6 22.8  n 
37 Uganda 2006 25.000000 43.00000 40.900000 18.900000   29.90000  15.9 28.5  y 
40 Zambia 2007 16.300000 18.50000 17.800000 11.000000   18.50000  13.9 17.9  y 
44 Zimbabwe 2010 8.651787 10.17573 9.722795  7.040803   10.20813  7.6 10.1  y

источник

2013-12-20 08:56:05

это прекрасно, именно то, что мне нужно! Всего легенда, спасибо. –

Этот подход ТОЛЬКО работает, потому что ваш data.frame сортируется по стране *, а затем по году *, а 'duplicated()' выбирает первый случай. Это не будет работать иначе. Проверьте это: 'df <-df [order (df $ COUNTRY, df $ Year),];> tmp <- subset (df,! Is.na (Non.slum) &! Is.na (Slum)); > res <- tmp [! duplicated (tmp $ COUNTRY),] '. Будьте осторожны при использовании этого подхода, чтобы проверить, что ** всегда первое место в стране - последний год **. – ECII

@ECII Я полностью осознаю это. Я думал, что было бы проще использовать известную структуру данных. –

Вот несколько направлений, которые вы можете следовать. Поскольку вы задали , то мне нужна функция, чтобы выбрать только те строки wh прежде чем данные существуют в колонке трущобы/Non.Slum, но только одна запись для каждой страны на основе самых последних данных, доступных, я предлагаю:

рассмотрим complete.cases функцию в R, чтобы выбрать только те строки, в которых данные имеются в столбце трущоб/№Slum. Для этого вам нужно сначала подмножить свои данные на эти два столбца (например, в новый фрейм данных), а затем применить complete.cases. Результатом является вектор TRUE/FALSE, который будет использоваться для подмножества в полном наборе данных.

, так как вы хотите, чтобы одна позиция за COUNTRY на поднаборном фрейме данных на шаге 1 выше, и эта единственная запись основана на самом последнем году, вы можете сначала отсортировать свой фрейм данных по столбцу Year (обработать в виде цифр) в пределах каждой СТРАНЫ, а затем выберите первую запись каждой СТРАНЫ, чтобы гарантировать, что вы выбрали последний год. Одна из проблем заключается в том, что в сортировочной части года некоторые записи, такие как 2008/9, могут представлять проблему. Будьте внимательны в отношении этих записей.

источник

2013-12-20 08:50:36 alittleboy

привет, спасибо за отзыв. Я рассматривал это как решение, но включил бы меня в преобразование всех записей «Год» в числовое значение, возможно, путем переоценки каждой записи, чтобы читать только первые четыре символа/числа. Я пытался избежать этого, но я уверен, что могу как-то переоценить ... –

Я подозреваю, что вы хотите что-то более общее, чем конкретные проблемы, которые вы спрашиваете. Вот моя попытка, которая будет работать и на других переменных

сделать новый идентификатор, вставив страну и год, мы называем его country.year

df$country.year<-paste(df$COUNTRY, df$Year, sep="-")

Вы сказали, что вы не хотите, NA-й в трущобах и ненасилии .slum поэтому мы удаляем их к уменьшенному набору данных

df.red<-df[ !is.na(df$Slum) & !is.na(df$Non.slum) ,]

Построит таблицу поиска, которая выводит максимальный год каждую страны (уменьшенный набор данных, так как вы не хотите NA-й в Трущобах/Non.slum)

lookup<-tapply(as.numeric(df.red$Year), df.red$COUNTRY, max)

Мы переформатировать таблицу поиска, чтобы стать максимально допустимую страной-летнего

lookup<-paste(rownames(lookup), as.numeric(lookup), sep="-")

Теперь мы фильтруем из уменьшенного набора данных всех стран-года, которые не в поиске

df.reconstructed<-df.red[ lookup %in% df$country.year , ]

Надеется, что это помогает ,

источник

2013-12-20 09:45:34 ECII

R подмножество заказанный множитель

ответ

Смежные вопросы