如何读入.csv数据，然后基于条件筛选创建该数据的子集

Question

我是R编程的新手，尽管我已经编写了许多其他语言多年。通过搜索 R 文档和堆栈溢出等，我很难找到有关这个简单问题的任何相关信息，因此非常感谢一些帮助。

问题是这样的：从.csv读取数据后，我需要创建一个新数据集，该数据集仅包含"值"字段介于 0 和 100 之间的观测值（有 4 个字段和 ~2500 行数据）。我在读取数据并显示数据时没有问题。我的问题是当我尝试获取输入数据列表并根据"值"列的范围条件对其进行过滤时。

这是我的意见：

   #read in the data from the sensor file
    data = read.csv("C:/Code/sensor.txt", header=TRUE)
    for (i in seq(4, nrow(data), 4)) {
      if (as.integer(data[i])>0) {
        print(data[i])
      }
    }

我得到错误输出：

> for (i in seq(4, nrow(data), 4)) {
+   if (as.integer(data[i])>0) {
+     print(data[i])
+   }
+ }
Error: (list) object cannot be coerced to type 'integer'

编辑：

下面是一些示例数据：

时间戳、站点 ID、

传感器 ID、值
星期四 1月 07 00：00：00 PST 2016,1,1,24
星期四 1月 07 00：00：00 PST 2016,1,2,5
太平洋标准时间 2016,1,3,60
年 1 月 07 日星期四 00：00：001 月 07 日星期四 00：00：00 PST 2016,2,1,0
星期四 1月 07 00：00：00 PST 2016,2,2,5
太平洋标准时间 2016,2,3,100
年 1 月 07 日星期四 00：00：002016,3,1,36
年 1 月 07 日星期四 00：00：00 PST太平洋标准时间 2016,3,2,5
年 1 月 07 日星期四 00：00：002016,3,3,38
年 1 月 07 日星期四 00：00：00 PST2016,4,1,99
PST 1 月 07 星期四 00：00：002016,4,2,5
PST 1 月 07 星期四 00：00：002016,4,3,84
年 1 月 07 日星期四 00：00：00 PST星期四 1月 07 00：15：00 PST 2016,1,1，#错误#
星期四 1月 07 00：15：00 PST 2016,1,2,5
太平洋标准时间 2016,1,3,96 年 1 月 07 日星期四 00：15：00
2016,2,1,28
年 1 月 07 日星期四 00：15：00 PST1 月 07 日星期四 00：15：00 PST 2016,2,2,5
太平洋标准时间 2016,2,3,94 年 1 月 07 日星期四 00：15：00
1 月 07 日星期四 00：15：00 PST 2016,3,1,3
星期四 1月 07 00：15：00 PST 2016,3,2,5
1 月 07 日星期四 00：15：00 PST 2016,3,3,95
1 月 07 日星期四 00：15：00 PST 2016,4,1,72
星期四 1月 07 00：15：00 PST 2016,4,2,5
太平洋标准时间 2016,4,3,21
年 1 月 07 日星期四 00：15：00太平洋标准时间 2016,1,1,160
年 1 月 07 日星期四 00：30：001 月 07 日星期四 00：30：00 PST 2016,1,2,5
1 月 07 日星期四 00：30：00 PST 2016,1,3,34

Answer 1

首先，总是尝试给我们一些可复制的数据示例

data.beetween0and100 <- data[data$column.with.values => 0 & data$column.with.values <=100,]

通过这种方式获取具有所需值的数据。还有你的数据框如何区分行和列，所以数据[i]是坏的，但是，数据[i，]是数据帧的i行。

print(data[i,]) #will work

随您数据

#read 传感器文件中的数据

    data = read.csv("C:/Code/sensor.txt", header=TRUE)
    for (i in seq(4, nrow(data), 4)) {
      if (as.integer(data[i,numberofvaluecolumn])>0) {
        print(data[i,numberofvaluecolumn])
      }
    }

Answer 2

对于初学者来说，R 中的循环通常非常慢，应谨慎使用。 对于只有 2,500 条记录的数据集，这可能不是问题，但如果您要开始使用更大的数据集，则值得一提。

如果您要进行大量数据操作，我建议您熟悉dplyr库，https://cran.r-project.org/web/packages/dplyr/dplyr.pdf。 它使数据操作非常快速和容易。

data<-data %>%
    filter(values>0,values<100)

Answer 3

如果函数 as.integer 抛出错误，那么 read.csv（） 可能没有以 as.integer（） 可以处理的格式读取值。

使用 str（data） 或 head（） 和 tail（） 查看 read.csv（） 正在产生什么。

查看您的示例数据，添加参数

na.strings = "#ERROR#"

阅读.csv（）可能会解决问题。