【求助】筛选数据出了问题

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

我现在有个表格，目前一步一步地筛选，到SICCD这个地方卡住了。

1. dataset <- read.csv(choose.files(), header = T)

复制代码

我第一步选出share code为10和11的公司，用了下面的命令：

1. subdata1 <- subset(dataset, dataset$SHRCD == c(10,11))

复制代码

然后我选择年份范围，命令如下（如果有知道像这种年份怎么根据头四位年份筛选的，望指教）

1. subdata2 <- subset(subdata1, subdata1￥DATE>20081231 & subdata1$DATE<20140101)

复制代码

此处两个$之间的东西在帖子里总变，暂时不知道怎么弄，就把第一个$换成￥，code里还是$哈~

接下来我有筛选了一下交易所代码为1的公司，并且去掉了SIC code缺失的数据：

1. subdata3 <- subset(subdata2, subdata2$EXCHCD == 1)
   
2. subdata4 <- subset(subdata3, subdata3$SICCD!="NA")

复制代码

最后我想去掉utility和finance公司，即SIC开头为40-49,52-59的公司：

1. subdata5 <- subset(subdata4, subdata4$SICCD!= c(4000:4999,5200:5900))

复制代码

然后这个命令就出错了

1. Warning message:
   
2. In subdata4$SICCD != c(4000:4999, 5200:5900) :
   
3.   longer object length is not a multiple of shorter object length

复制代码

我又试了一下subdata2那种形式的命令，也是这个错误，希望大家给我指导指导。
subdata5 <- subdata4[(subdata4$SICCD<4000)&(subdata4$SICCD>4999),]这种形式出来的是0 observation。。。

另外这种通过特定部分的字符筛选数据有没有什么简便的方法？例如20000101-20151231的日期里，只选择第五位是1第六位是0，即所有的10月，留下20001001,20001002...

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0 回帖

关键词：筛选数据 dataset siccd DataS Data finance 交易所 share

@求证1加1

A!=B 换成 A %in% B==F
substr('777888',2,4)

万人往LVR 发表于 2015-11-20 08:47
A!=B 换成 A %in% B==F
substr('777888',2,4)

这个F就是c（）么？

万人往LVR 发表于 2015-11-20 08:47
A!=B 换成 A %in% B==F
substr('777888',2,4)

我试出来了，明白你的意思了
我把最后的code写成了
subdata5 <- subset(subdata4,subdata4$SICCD %in% c(4000:4999, 6000:6700) == F)

那么为什么我之前subdata2就能出来，换成subdata5就不行了呢？

1!=c(1,2,3)
1 %in% c(1,2,3)==F

万人往LVR 发表于 2015-11-20 11:38
1!=c(1,2,3)
1 %in% c(1,2,3)==F

我刚才又验证了一下，我那个==c(10,11)出来的结果也比您的这个少好多，相当于丢失了好多数据，能否告知我原来的做法到底为啥错了呢？

对于subset第二个参数来说，实质是TRUE和FALSE的组合，例如
subdata3 <- subset(subdata2, subdata2$EXCHCD == 1)
第二个参数实际是类似 [1] TRUE TRUE FALSE FALSE TRUE...的向量，每个TRUE/FALSE代表EXCHCD对应元素是否等于1，但要是把1换成长度大于1的向量就出问题了。

1:5==1  ##比较每个元素是否是1，实际上是因为左侧长度是5，右侧长度是1，所以右侧元素循环使用，即1,2,3,4,5与1,1,1,1,1对应位置比较是否相同。
1:5==1:3  ##前三次比较分别用两侧对应的前三位比较，结果都是TRUE，到了第四位，右侧因为只有3个元素，所以循环使用，最后相当于1,2,3,4,5与1,2,3,1,2对应位置比较是否相同。这种比较和你程序里写的“包含”意思完全不同

万人往LVR 发表于 2015-11-20 13:23
对于subset第二个参数来说，实质是TRUE和FALSE的组合，例如
subdata3

十分感谢！涨知识啦！