Нежелательные предметы на участке

У меня возникла проблема при использовании подмножества data.frame в R.

Подмножество создается и отображается правильно, но когда я пытаюсь построить его с помощью qplot(), строки, которые не были выбраны subset(), также отображаются вдоль одной оси.

Фактический файл, который я читаю, — это журнал веб-сервера, но я создал небольшой пример, чтобы проиллюстрировать мою проблему:

Это файл ITEMSSOLD.CSV, в котором я читал:

CUST,DT,ITEM,PRICE
BigJoe,10/13/2010,Pickup Truck,20000
TightWad,10/13/2010,USB Drive,12
Jane,10/13/2010,Smart Car,30000
Scrooge,10/13/2010,Gumdrops,1
GeekyMan,10/13/2010,Smart Car,30000

Я прочитал это во фрейме данных следующим образом:

sales_df <- read.table("C:/R_Expt/ItemsSold.csv", header=TRUE, sep=",")

Затем я сделал подмножество, чтобы получить предметы с высокими билетами следующим образом:

big_sales_df <- subset(sales_df, PRICE>100)

big_sales_df

big_sales_df
      CUST         DT         ITEM PRICE
1   BigJoe 10/13/2010 Pickup Truck 20000
3     Jane 10/13/2010    Smart Car 30000
5 GeekyMan 10/13/2010    Smart Car 30000

Так что выглядит нормально.

Когда я пытаюсь построить его через qplot следующим образом:

qplot(nrow, ITEM, data = ddply(big_sales_df, .(ITEM), "nrow"))

полученный график показывает все ЭЛЕМЕНТЫ по оси Y, а не только пикап и умный автомобиль.

Только ddply() производит следующий вывод:

ddply(big_sales_df, .(ITEM), "nrow")
          ITEM nrow
1 Pickup Truck    1
2    Smart Car    2

Поскольку в примере небольшое количество ITEM, график все еще читабельный, но в реальной жизни я пытаюсь построить имена медленных веб-страниц, и, к сожалению, qplot() пытается разместить имена всех веб-страниц по оси Y, и это становится черным пятном.

Я также пробовал sqldf():

qplot(NSOLD, ITEM, data = sqldf('select ITEM, count(*) as NSOLD from big_sales_df group by ITEM order by count(*) desc'))

но это производит тот же сюжет.

Я понял, что subset() каким-то образом несет внутри всю информацию о родителях, а не только совпадающие строки.

Есть ли способ сказать subset(), что он должен хранить только соответствующую информацию?

Или какой-нибудь другой способ subset() носить с собой пустые элементы?

Я знаю, что метод грубой силы может состоять в том, чтобы записать результат subset() в другой файл CSV, а затем прочитать его обратно в data.frame, но я уверен, что есть более простой способ.

Большое спасибо всем вашим гуру R!

Атиш


r dataframe ggplot2
person Atish    schedule 21.10.2010    source источник

Ответы (3)


arrow_upward
1
arrow_downward

Вам необходимо удалить уровни факторов, которые были исключены из вашего подмножества.

big_sales_df$ITEM <- factor(big_sales_df$ITEM)
big_sales_df$CUST <- factor(big_sales_df$CUST)

ИЛИ измените способ чтения данных:

sales_df <- read.csv("ItemsSold.csv", header=TRUE, stringsAsFactors=FALSE)
person Joshua Ulrich    schedule 21.10.2010

arrow_upward
1
arrow_downward

Когда вы подмножаете свои данные, факторы, существовавшие в исходном наборе данных, сохраняются. Возьмем, к примеру, набор данных по бриллиантам. У вас есть 5 различных сокращений.

unique(diamonds$cut) ## Ideal, Premium, Good, Very Good, Fair

Если мы подмножим алмазы, мы получим:

str(subset(diamonds, cut == "Ideal")) ## Look at structure

В str() мы видим, что cut сохраняет исходные факторы.

$ cut    : Factor w/ 5 levels "Fair","Good",..: 5 5 5 5 5 5 5 5 5 5 ...

Несмотря на то, что мы убрали все остальные категории разреза, факторинг остался.

Вы можете удалить лишние факторы, рефакторинг столбца с его собственными уникальными подмножествами факторов.

x$cut <- factor(x$cut, labels=unique(x$cut))

Теперь рассмотрим более конкретно ваш пример:

test <- ddply(big_sales_df, .(ITEM), "nrow")
test$ITEM <- factor(test$ITEM, labels=unique(test$ITEM))

Теперь попробуйте еще раз свой заговор.

person Brandon Bertelsen    schedule 21.10.2010
comment
Я опубликовал еще один ответ, который делает то же самое, но на месте в сюжете. В qplot() замените ПУНКТ на фактор (ПУНКТ) - person Brandon Bertelsen; 22.10.2010

arrow_upward
1
arrow_downward

Либо можно схитрить по пункту факторинга:

qplot(nrow, factor(ITEM), data = ddply(big_sales_df, .(ITEM), "nrow")
person Brandon Bertelsen    schedule 21.10.2010
comment
К сожалению, я хотел добавить, что в вашем ответе была небольшая опечатка - это должно быть: qplot (nrow, factor (ITEM), data = ddply (big_sales_df, . (ITEM), nrow)) - person Atish; 22.10.2010
comment
И мне это решение нравится больше, так как оно дает мне больше контроля, если я хочу построить график в нескольких измерениях. - person Atish; 22.10.2010
comment
@Atish: если вам нравится это решение, вы должны сделать его принятым ответом. - person Joshua Ulrich; 22.10.2010