2

我遇到了一个奇怪的子集问题。问题是我可以对一列进行子集化，但不能对另一列进行子集化。两列似乎都已被 readHTMLTable 以相同的方式解析。

要复制的代码

require(XML)
theurl <- "http://en.wikipedia.org/wiki/List_of_stock_exchanges"
html <- htmlParse(theurl)
seData <- readHTMLTable(html)[[2]]
names(seData) = c("Rank","EX","Economy","HQ","MarketCap","TradeValue")
seData = transform(seData,MarketCap = as.numeric(gsub(",","",MarketCap)))
seData = transform(seData,TradeValue = as.numeric(gsub(",","",TradeValue)))

我想为印度证券交易所子集，所以我使用了：

> subset(seData,seData$Economy == "India")
[1] Rank       EX         Economy    HQ         MarketCap  TradeValue
<0 rows> (or 0-length row.names)
> subset(seData,seData$Economy == " India")
[1] Rank       EX         Economy    HQ         MarketCap  TradeValue
<0 rows> (or 0-length row.names)

尽管已验证有两行应满足条件，但我没有返回任何行，但我可以轻松地对另一列“EX”执行相同的操作：

> subset(seData,seData$EX == "JSE Limited")
   Rank          EX      Economy           HQ MarketCap TradeValue
17   17 JSE Limited  SouthAfrica Johannesburg       903        287

我已经运行了其他功能，两列看起来完全一样..

> sapply(seData,class)
      Rank         EX    Economy         HQ  MarketCap TradeValue 
  "factor"   "factor"   "factor"   "factor"  "numeric"  "numeric" 
> levels(seData$Economy)
 [1] " Australia"             " Brazil"                " Canada"               
 [4] " China"                 " Germany"               " Hong Kong"            
 [7] " India"                 " Japan"                 " Russia"               
...
> levels(seData$EX)
 [1] "Australian Securities Exchange"   "BME Spanish Exchanges"           
 [3] "BM&F Bovespa"                     "Bombay Stock Exchange"           
 [5] "Deutsche Börse"                  "Hong Kong Stock Exchange"        
 [7] "JSE Limited"                      "Korea Exchange"                  
 ...

我错过了什么？我使用的子集命令有什么问题？:(

subset(seData,seData$Economy == " India")
4

1 回答 1

2

正如我在评论中提到的，这个问题的发生主要是由于数据中的非标准字符，我猜这是由于字符编码设置。

subset您可能希望使用标准[子集而不是使用grepl grepl将为您提供逻辑值向量，然后您可以使用它来对数据框进行子集化。这使您可以进行部分匹配以及额外的奖励

> seData[grepl('India', seData$EX),]
   Rank                               EX Economy     HQ MarketCap TradeValue
11   11 National Stock Exchange of India  India Mumbai      1234        442

编辑

grepl也将在函数内部subset工作

> subset(seData,  grepl('India', seData$EX) )
   Rank                               EX Economy     HQ MarketCap TradeValue
11   11 National Stock Exchange of India  India Mumbai      1234        442
于 2013-02-14T06:56:44.420 回答