R数据框 - 行数增加

Question

假设我们有一个数据框（第三列是日期列），其中包含从 2000 年 1 月到 2011 年 10 月期间对不规则事件的观察。目标是选择数据框中包含两个日期之间观察的那些行

start<-"2005/09/30"
end<-"2011/01/31"  

原始数据框包含大约 21 000 行。我们可以使用 length(df_original$date_column)。

我们现在创建一个包含比开始日期新的日期的新数据框：

df_new<-df_original[df_original$date_column>start,]

如果我使用 length(df_new$date_column) 检查长度，它显示的长度约为 13 000。

现在我们创建另一个应用第二个标准（小于结束日期）的数据框：

df_new2<-df_new[df_new$date_column<end,]

如果我再次使用 length(df_new2$date_column) 检查长度，它会显示大约 19 000 个长度计数。

如何通过对新数据框df_new 应用第二个标准来增加行数？ df_new 的行数应等于或低于 13 000。

数据框很大，我不能在这里发布。也许有人可以提供发生这种行为的原因。

Answer 1

以下示例对我来说很好：

df_original = data.frame(date_column = seq(as.Date('2000/01/01'), Sys.Date(), by=1), value = 1)

start = as.Date('2005/09/30')
end   = as.Date('2011/01/31')

df_new = df_original[df_original$date_column>start,]

df_new2 = df_new[df_new$date_column<end,]

> dim(df_original)
[1] 4316    2
> dim(df_new)
[1] 2216    2
> dim(df_new2)
[1] 1948    2

如果没有看到您的实际数据示例，我建议您注意两件事：

1. 确保您的日期编码为日期。
2. 确保您不会意外按行名进行索引。这是您所说的行为的常见罪魁祸首。

Answer 2

你能通过一个子集命令得到你想要的结果吗？

df_new <- df_original[with(df_original, date_column>start & date_column<end),]
# or
df_new <- subset(df_original, date_column>start & date_column<end)

Answer 3

你能给我们dput(head(df_original))吗？它与我们共享前 5 条记录及其数据结构。我怀疑您的date_column 的格式有问题。

如果您将start 和end 都存储为字符串（您的示例似乎表明了这一点）并且日期列也是一个字符串，那么您将无法使用< 或> 来比较日期的值。因此，您需要在某个地方验证被比较的所有内容都被 R 知道为日期。