use*_*021 5 merge r duplicates
我一直在准备我的数据,并且在合并我的数据集后,我的数据减少了.
由于我的数据中没有经度和纬度,因此在下载包邮政编码后,我一直在使用以下代码(tel1我的数据包含zipcodes)
merge <- merge(zipcode,tel1,by.x=c('zip'),by.y=c('zip_code'))
在合并之前,我有195956个观测值,而合并后它下降到180090,但我不明白为什么.
在我看来,我只是它们合并哪里zip等于zip_code和我说从数据集中邮政编码信息到我的文件夹TEL1
之后我想删除包含NA的行,因为合并无法定义任何数字或其他任何数字.我用过这段代码
final <- result[complete.cases(result),]
然后我的观察数量下降到51006,我简直无法相信.我的数据不会有这么多的不匹配.
我还应该使用其他代码吗？
之后我一直试图用代码删除重复项
last <- with(final,final[order(state,latitude,longitude),])
但观察的数量是一致的(51006).
我做错了什么或有没有办法在合并数据后再次将我的数据存入excel文件,以便我可以手动检查是否真的有这么多不匹配？谢谢
可以使用all参数来merge.
merge(zipcode, tel1, by.x='zip', by.y='zip_code', all.y=TRUE)
但是,对于在zipcode数据中找不到匹配项的行,将会有NAs.因此,如果你那么na.rm或那样的事情,你将结束相同的"数据丢失"
在合并后检查纬度和长列中有NA的行的邮政编码:
tel1[is.na(tel1$latitude) | is.na(tel1$longitude),]
我的猜测是它们不是有效的邮政编码,或者你的邮政编码列表不完整.