r - 如何根据条件从 R 中的大型数据集中删除一组特定数据?

标签 r database function plyr outliers

我有这个数据集,其中包括给定年份一家公司的所有销售额(公司代码 = gvkey,年份 = fyearq,销售额 = saley),其销售额增长率(growth_rate_adjusted)(关于过去一年)和其增长率的波动性。但是,某些年份的数据集中存在一些异常值。在这种情况下,我想删除 1995 年波动率高于 3.0 的所有行。

我试过用ddplyr按以下方式过滤掉

rs <-rs%>%
  filter(!fyearq == 1995 & !volatility > 3.0) %>%
  ungroup()

但这排除了所有年份高于 4 的所有波动率,并将 1995 年完全排除在数据集中之外,这不是我的目标。

如果有人能告诉我如何将其调整为 1995 年的波动率仅高于 3.0,我将不胜感激。不幸的是,我对 R 还很陌生。

1994 年和 1995 年按年份排序的样本(会有一些 NA,但它们没问题)以使其可重现:

structure(list(gvkey = c(65089L, 65090L, 65091L, 65094L, 65095L, 
65298L, 65351L, 65499L, 66430L, 66591L, 66624L, 109584L, 119053L, 
143972L, 145348L, 277918L, 1004L, 1009L, 1010L, 1011L, 1013L, 
1017L, 1019L, 1021L, 1025L, 1033L, 1034L, 1037L, 1038L, 1043L, 
1045L, 1048L, 1050L, 1055L, 1056L, 1072L, 1073L, 1075L, 1076L, 
1078L, 1082L, 1084L, 1086L, 1090L, 1094L, 1095L, 1097L, 1098L, 
1099L, 1104L, 1107L, 1108L, 1109L, 1111L), fyearq = c(1994L, 
1994L, 1994L, 1994L, 1994L, 1994L, 1994L, 1994L, 1994L, 1994L, 
1994L, 1994L, 1994L, 1994L, 1994L, 1994L, 1995L, 1995L, 1995L, 
1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 
1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 
1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 
1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L, 1995L), growth_rate_adjusted = c(8.96928631198866, 
8.4280138706961, 9.02704614077282, 8.10147860671897, 7.85740916384215, 
10.7523572462577, 0.0325017896704669, 0.285143311711521, -0.0215766088784792, 
7.5140205008648, 10.4833287736384, 1.73691297130171, 0.117237940329646, 
1.34207225611898, 8.38865848733786, NA, 11.217767632108, -0.304963611388244, 
8.90548855887399, -0.465405529093955, 0.308162761266, -0.428463261697025, 
9.71621276929561, -0.272514090039389, 0.365258326126507, -0.835436753370402, 
10.6675419276932, 21.8645191343365, 0.172555503849585, -0.0528834362682823, 
9.77177091825209, -0.0617758053830246, 7.26998471225084, 10.2427038986383, 
0.174166169584557, 11.7224789811471, 5.10323576237965, -0.0390433072454226, 
8.410713700002, 10.0433658114349, 8.56357182841634, 13.2022040407414, 
11.9928308829399, 11.6432049346405, 0.117529642161838, 9.53135348756221, 
9.58048755435235, 0.0758862747892137, 0.0654783197588846, 9.49577594725737, 
10.4061554746601, -0.454122878475859, 12.2471344335624, 37.1728040342351
), volatility = c(2.55192643294808, 2.39434025265926, 2.56344451051799, 
2.30624765181967, 2.23928130844332, 3.04354720436549, NA, 0.402804266987728, 
0.358552136097001, 2.13611997423426, 2.98090959393336, NA, 0.0847119569693743, 
NA, 2.37661435221257, NA, 3.18081892321314, NA, 2.52968180517002, 
NA, 0.429862168272561, NA, 2.76287646243831, 0.454406152459777, 
NA, NA, 3.0077233808187, 6.17293600484418, 0.304536845392376, 
0.0411853414230726, 2.76986690678473, 0.157817595412998, 1.99372992450495, 
NA, 0.293215830307968, 3.24928278487391, NA, 0.342934649585831, 
2.35498186010912, 2.84022723248247, 2.40517143665036, 3.13067695078128, 
NA, NA, 0.326138274385994, 2.70848653980122, 2.74871785774601, 
NA, 0.299889508129728, 2.71608606652565, 2.94982624906776, NA, 
3.47847130692363, 10.490117417769)), row.names = c(NA, -54L), class = c("tbl_df", 
"tbl", "data.frame"))

最佳答案

基础 R 解决方案:

rs <- rs[-which(rs$fyearq == 1995 & rs$volatility > 3), ]

注意相反的条件:

rs[which(rs$fyearq == 1995 & rs$volatility > 3), ]

返回 7 行。因此,如果子集按预期工作,我们预计会有 54 - 7 = 47 行。

关于r - 如何根据条件从 R 中的大型数据集中删除一组特定数据?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55717154/

相关文章:

减少同一列中的因子水平

r - 如何防止生成 Rplots.pdf?

mysql - 使用 R 将字符向量转换为字符串(带引号和逗号)

sql-server - 在 SQL Server 数据库中自动添加对象及其关系

javascript - 如何从另一个 javascript 调用 javascript 函数,其中两者都在同一个 html 上

c++ - Rcpp第一次编译遇到问题

python - 如何在python sqlite中知道最近添加的行的整数主键

java - 是否有测试内存数据库的通用框架

c++ - 将 decltype 和 std::function 与 lambda 结合使用

function - Golang 中的无实体函数