如何分割一个数据框？

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

有个数据集，已经存为RData格式。load以后，想根据其中一列的值，分为两个数据集，不知道用什么函数合适。比如有一列是日期，例如“2000.10.10”，字符型。想根据这一列得到年份，然后2000年以前的作为一个数据集，之后的另外放一个数据集，请问该怎么处理？

函数split可以分割，但是需要一个因子水平的变量，用年份那就不知道分成多少个了，而我只需要2个。
然后这个字符型的日期，怎么提取年份呢？简单的substr+as.numeric当然可以，但是我的数据集特别大，行数多，循环就累死了。想把整个数据集作为矩阵来处理，就搞不定了。
如果用as.Date来变为日期类型，似乎又不知道怎么提取年份了，请高手指点～

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：数据框 numeric Rdata格式 SUBSTR split 分割 数据 如何

strptime('2000.10.10', '%Y.%m.%d')$year

qoiqpwqr 发表于 2012-5-26 01:29
as.POSIXlt(strptime('2000.10.10', '%Y.%m.%d'))$year

谢谢斑竹。
貌似最外层的as.POSIXlt可以不用，因为strptime返回的就是POSIXlt？

另外我这样赋值给一个变量
x <- strptime('2000.10.10', '%Y.%m.%d')$year
然后再分割的时候就出问题了。我是这样分割的：
data1 <- data[x<=100]  #2000年以前的
错误提示是：
Error in `[.data.frame`(data, x <= 100) :
  undefined columns selected
一开始我用substr+as.numeric的方法的时候，最终也是遇到这个错误，不知道问题何在，请斑竹指点下。

bayes 发表于 2012-5-26 16:08
谢谢斑竹。
貌似最外层的as.POSIXlt可以不用，因为strptime返回的就是POSIXlt？

你说的没错，直接strptime就可以了。

你执行完x <- strptime('2000.10.10', '%Y.%m.%d')$year后，x只是一个数值=100。做分割的话你要先找出所有时间所对应的年份，然后再data1 <- data[x<=100, ]

qoiqpwqr 发表于 2012-5-26 18:46
你说的没错，直接strptime就可以了。

你执行完x

哦，是我上面写错了。我当时的赋值，本来就是像：
x <- strptime(data$date, '%Y.%m.%d')$year
因此得到的本事就应该是一个年份的向量了吧。然后再
data1 <- data[x<=100, ]
就ok了，问题就出在x<=100后面的这个逗号上。貌似没逗号就会有问题，请问下斑竹，这是为啥？

又发现了新问题，就是在data1 <- data[x<=100, ]之后
产生的data1的第一列，叫row.name,是不是只是因为我用rstudio的原因？查看的时候就多出一列了？原版的data数据集没这个问题啊～
还有就是，不知道为啥，莫名其妙的就多出了几十行，row.name是na，na.1, na.2, ...然后观察值全部都是na，不知道怎么回事。。。是不是还是那个x<100之后的逗号闹得？

bayes 发表于 2012-5-26 23:35
又发现了新问题，就是在data1

可不可以把数据和你的程序发上来看看。

qoiqpwqr 发表于 2012-5-27 04:54
可不可以把数据和你的程序发上来看看。

程序如下：
load("PatentTotal.RData")
year <- strptime(PatentTotal$publication_date, '%Y.%m.%d')$year
Patent1 <- PatentTotal[year <= 85,]


数据是原始的csv，我自己其实先有个程序把它存成了PatentTotal.RData，所以这里用的load

bayes 发表于 2012-5-27 10:11
程序如下：
load("PatentTotal.RData")
year

应该不会有问题的呀。那个逗号是必须的，因为你是要按行选取。

试试
data <- read.csv("yourfile.csv", header = TRUE)
year <- strptime(data$publication_date, '%Y.%m.%d')$year
data1 <- data[year <= 100, ]

qoiqpwqr 发表于 2012-5-27 19:48
应该不会有问题的呀。那个逗号是必须的，因为你是要按行选取。

试试

检查了一下，发现压根就不是程序问题，是数据中有些异常导致的。。。
汗一个。。。
谢谢斑竹了～