假设我想从头开始生成一个大型数据框.
使用data.frame函数是我通常如何创建数据框架.但是,df类似于以下内容非常容易出错并且效率低下.
那么是否有更有效的方法来创建以下数据框.
df <- data.frame(GOOGLE_CAMPAIGN=c(rep("Google - Medicare - US", 928), rep("MedicareBranded", 2983),
rep("Medigap", 805), rep("Medigap Branded", 1914),
rep("Medicare Typos", 1353), rep("Medigap Typos", 635),
rep("Phone - MedicareGeneral", 585),
rep("Phone - MedicareBranded", 2967),
rep("Phone-Medigap", 812),
rep("Auto Broad Match", 27),
rep("Auto Exact Match", 80),
rep("Auto Exact Match", 875)),
GOOGLE_AD_GROUP=c(rep("Medicare", 928), rep("MedicareBranded", 2983),
rep("Medigap", 805), rep("Medigap Branded", 1914),
rep("Medicare Typos", 1353), rep("Medigap Typos", 635),
rep("Phone ads 1-Medicare Terms",585),
rep("Ad Group #1", 2967), rep("Medigap-phone", 812),
rep("Auto Insurance", 27),
rep("Auto General", 80),
rep("Auto Brand", 875))) …我正在处理一些美国政府数据,这些数据包含很长的城市和邮政编码列表.完成一些工作后,数据采用以下格式.
dat1 = data.frame(keyword=c("Bremen", "Brent", "Centreville, AL", "Chelsea, AL", "Bailytown, Alabama", "Calera, Alabama",
"54023", "54024"), tag=c(rep("AlabamCity",2), rep("AlabamaCityST",2), rep("AlabamaCityState",2), rep("AlabamaZipCode",2)))
dat1
但是,某些关键字无法正常运行.因此,在下面的示例中,有两个"邮政编码"标记为"AlabamaCity"和"AlabamaCityState".出于某种原因,政府的原始数据集有几个拉链码,这些拉链码与其他邮政编码没有正确分组.
dat2 = data.frame(keyword=c("Bremen", "Brent", "50143", "Chelsea, AL", "Bailytown, Alabama", "52348",
"54023", "54024"), tag=c(rep("AlabamCity",2), rep("AlabamaCityST",2), rep("AlabamaCityState",2), rep("AlabamaZipCode",2)))
dat2
我想知道如何迭代整个关键字列表并删除所有具有数值的行(它们实际上保存为字符值),这些行没有"AlabamaZipCode"标记.所以以前的数据应该看起来像.
dat3 = data.frame(keyword=c("Bremen", "Brent", "Chelsea, AL", "Bailytown, Alabama", "54023", "54024"),
tag=c(rep("AlabamCity",2), rep("AlabamaCityST",1), rep("AlabamaCityState",1), rep("AlabamaZipCode",2)))
dat3
挑战似乎是我想要保留某些数值以及我想要删除的其他数值.谁能帮忙.
SQLDF新手在这里.
我有一个大约15,000行和1列的数据框.数据看起来像:
cars
autocar
carsinfo
whatisthat
donnadrive
car
telephone
...
我想使用包sqldf循环遍历列并选择其值包含"car"的所有值.但是,以下代码生成错误.
> sqldf("SELECT Keyword FROM dat WHERE Keyword="car")
Error: unexpected symbol in "sqldf("SELECT Keyword FROM dat WHERE Keyword="car"
没有意外的符号,所以我不确定什么是错的.
首先,我想知道包含'car'的所有值.那么我只想知道那些只包含'汽车'的价值观.
谁能帮忙.
编辑:
好吧,有一个意想不到的符号,但它只给我车,而不是每一行都包含'汽车'.
> sqldf("SELECT Keyword FROM dat WHERE Keyword='car'")
Keyword
1 car
假设我想找到数据帧每行中的字数.所以在下面的例子中,我想找到第一列中的第一个值有3个单词,第二个值有4个单词,依此类推.我认为这是其中一个应用函数的任务,但我很难搞清楚这一点.
dat = data.frame(one=c("That is Cool",
"I like my bank", "He likes pizza", "What"))
我是否需要使用strsplit()或apply()在创建函数时使用该函数更好:apply(dat, 1, function(x)...
我正在尝试开发一个函数,它允许我将新元素输入到数据框,然后检查它们是否包含某些单词.
df <- data.frame(keyword=c("He drives a Honda", "He goes to Ohio State"),
car=c(1,0), school=c(0,1))
df
keyword car school
He drives a Honda 1 0
He goes to Ohio State 0 1
在此数据框中,汽车和学校是二进制值,如果来自汽车/学校矢量的单词是关键字的一部分,则该值包含1.如果关键字中不存在单词,则分配0.
car <- c("Honda", "Chevy", "Toyota", "Ford")
school <- c("Michigan", "Ohio State", "Missouri")
我想使用一个函数在数据框中输入新的关键字,同时迭代汽车和学校矢量中特定值的关键字.
main <- function(keyword){
n = strsplit(as.character(keyword), " ")[[1]]
for( i in keyword ){
if( any(n==car) ){
df$car <- c(1)
}
if( any(n==school )){
df$school <- c(1)
}
}
}
此功能未完成,会产生以下错误.因为汽车和学校的矢量长度为3,所以似乎产生了错误.
> main("He likes Ford and …假设我有几个词根,前缀和后缀.
roots <- c("car insurance", "auto insurance")
prefix <- c("cheap", "budget")
suffix <- c("quote", "quotes")
R中是否有一个简单的函数或包,它允许我构造三个字符向量的所有可能组合.
所以我想要一个列表,数据框或向量,它返回每个字符串的所有可能组合的以下列表.
cheap car insurance
budget car insurance
cheap car insurance quotes
cheap auto insurance quotes
auto insurance quote
auto insurance quotes
...
像"汽车保险报价"这样的东西,我只使用后缀而没有前缀,所以我需要得到这些结果的所有可能结果.
我正在使用该rep()函数多次重复字符串中的每个元素.我拥有的每个字符都包含状态信息,我需要重复三次字符向量的前三个元素,第四个元素重复五次.
所以我想说我有以下特征向量.
al <- c("AlabamaCity", "AlabamaCityST", "AlabamaCityState", "AlabamaZipCode")
ak <- c("AlaskaCity", "AlaskaCityST", "AlaskaCityState", "AlaskaZipCode")
az <- c("ArizonaCity", "ArizonaCityST", "ArizonaCityState", "ArizonaZipCode")
ar <- c("ArkansasCity", "ArkansasCityST", "ArkansasCityState", "ArkansasZipCode")
我想最终得到以下输出.
AlabamaCity
AlabamaCity
AlabamaCity
AlabamaCityST
AlabamaCityST
AlabamaCityST
AlabamaCityState
AlabamaCityState
AlabamaCityState
AlabamaZipCode
AlabamaZipCode
AlabamaZipCode
AlabamaZipCode
AlabamaZipCode
AlabamaZipCode
...
我能够通过以下命令获得所需的输出,但是当我运行所有50个州时,它有点不方便.另外,我可能在阿拉巴马州有237个城市的另一个专栏,我将不可避免地遇到问题,将第一列中的名称与第二列中的值进行匹配.
dat = data.frame(name=c(rep(al[1:3],each=3), rep(al[4],each=6),
rep(ak[1:3],each=3), rep(ak[4],each=6)))
dat
dat2 = data.frame(name=c(rep(al[1:3],each=3), rep(al[4],each=6),
rep(ak[1:3],each=3), rep(ak[4],each=6)),
city=c(rep("x",each=15), rep("y",each=15)))
dat2
当然,在现实生活中,'x'和'y'不是单一的价值观.
所以我的问题是关于是否有更有效的方法来执行此任务.与问题密切相关的是,什么时候抛弃程序编程以支持R中的OOP变得很重要(不是程序员,所以第二部分可能是一个非常愚蠢的问题)更重要的是,这是一个我应该看的任务对于oop相关的解决方案.
我正在尝试使用类似于以下的代码选择具有特定源值的所有值.
l.sub IN('12480','12481')
但是,我需要sub包含值10921-12480的所有内容.有没有办法快速选择这些值而不输入每个值.
谢谢!
我是MySQL的新手,我正在尝试了解有关JOIN功能的更多信息.
假设我有以下代码,我想找到变量的每个级别的计数,然后加入两列.所以数据看起来像:
in_clicks:
one
one
one
two
three
four
four
four
four
four
five
five
six
seven
seven
seven
eight
我正在尝试生成以下输出:
four 5
one 3
seven 3
five 2
two 1
three 1
six 1
eight 1
对JOIN函数一无所知,我可以使用类似于以下代码的东西来获得我想要的结果.(它不起作用)
SELECT(SELECT * FROM in_clicks) AS keys,
(SELECT COUNT(*) FROM in_clicks) AS KeysNum;
但是,如何使用JOIN函数来优化我的sql代码？
所以我有一个表格,结构如下:
in_click first_name create_date
100 joe 2011-10-01 10:01
100 joe 2011-10-01 10:05
100 joe 2011-10-01 10:07
100 joe 2011-10-01 10:08
100 joe 2011-10-01 10:10
101 sara 2011-10-01 10:15
101 sara 2011-10-01 10:17
101 sara 2011-10-01 10:20
101 sara 2011-10-01 10:22
对于每个名字,我想选择第一行和最后一行.所以它应该是名字为joe的第一个日期和名字为joe的最后一个日期.有点像if-else语句,但我不知道如何在MySQL中获取该信息.
救命？!
我正在运行以下查询来获取所有内容:
SELECT t.in_click_id, t.keyword, c.lead_id, c.first_name, c.last_name,
ls.create_date, ls.discriminator, l.affiliate_id
FROM lead_status AS ls
INNER JOIN leads AS l ON l.id = ls.lead_id
INNER JOIN tracker AS t ON l.in_click_id = t.in_click_id
INNER JOIN contacts AS c ON …