R 如果需求不是'；t遇见

我已经使用了相当多的代码，当某些需求没有得到满足时会突出显示，或者告诉我哪些条目是重复的，但是我还没有弄清楚如果一个需求没有得到满足时如何进行编码

我使用的是一个相对平均的数据帧，其中包括日期。通常每天应该有24个条目，即每小时一个条目。但在某些情况下，有更多或更少。我需要一些东西来告诉我哪些条目号/数据不符合24条条目的标准。有人对如何处理这个问题有什么建议吗

我在下面附上了一个到目前为止我一直在使用的代码示例（用于实现其他功能）

---

在这种情况下，第10个项目的数据有24个条目，但第11个项目只有26个条目，第12个项目有23个条目。我需要一些东西来提醒我这个事实，例如，给出日期11/05/1973和12/05/1973（类似于我为缺失值代码生成的输出）。

使用

dplyr

library(dplyr)
df %>% 
  group_by(dates = gsub('\\s+.*', '', OB_DATE)) %>% 
  summarise(new = n())
# A tibble: 3 × 2
#       dates   new
#       <chr> <int>
#1 1973-09-05    24
#2 1973-10-05    26
#3 1973-11-05    23

---

使用

dplyr

library(dplyr)
df %>% 
  group_by(dates = gsub('\\s+.*', '', OB_DATE)) %>% 
  summarise(new = n())
# A tibble: 3 × 2
#       dates   new
#       <chr> <int>
#1 1973-09-05    24
#2 1973-10-05    26
#3 1973-11-05    23

---

我们可以使用

data.table

library(data.table)
setDT(df)[,  new := as.integer(.N==24), by = .(Date=as.IDate(OB_DATE, "%m/%d/%Y %H:%M"))]
head(df)
#            OB_DATE AIR_TEMPERATURE new
#1: 09/05/1973 00:00            10.0   1
#2: 09/05/1973 01:00            10.2   1
#3: 09/05/1973 02:00            10.0   1
#4: 09/05/1973 03:00            10.0   1
#5: 09/05/1973 04:00             9.9   1
#6: 09/05/1973 05:00             9.9   1

---

我们可以使用

data.table

library(data.table)
setDT(df)[,  new := as.integer(.N==24), by = .(Date=as.IDate(OB_DATE, "%m/%d/%Y %H:%M"))]
head(df)
#            OB_DATE AIR_TEMPERATURE new
#1: 09/05/1973 00:00            10.0   1
#2: 09/05/1973 01:00            10.2   1
#3: 09/05/1973 02:00            10.0   1
#4: 09/05/1973 03:00            10.0   1
#5: 09/05/1973 04:00             9.9   1
#6: 09/05/1973 05:00             9.9   1

---

谢谢，鉴于涉及的数据量巨大，您的第一个选项以最简洁的方式提供了信息。我必须添加

as.data.frame

，以便查看每个条目（tibble将其限制为仅10个）-否则它是完美的。谢谢，鉴于涉及的数据量巨大，您的第一个选项以最简洁的方式提供信息。我确实需要添加

as.data.frame

，以便查看每个条目（tibble将其限制为仅10条）-否则它是完美的。

library(data.table)
setDT(df)[,  new := as.integer(.N==24), by = .(Date=as.IDate(OB_DATE, "%m/%d/%Y %H:%M"))]
head(df)
#            OB_DATE AIR_TEMPERATURE new
#1: 09/05/1973 00:00            10.0   1
#2: 09/05/1973 01:00            10.2   1
#3: 09/05/1973 02:00            10.0   1
#4: 09/05/1973 03:00            10.0   1
#5: 09/05/1973 04:00             9.9   1
#6: 09/05/1973 05:00             9.9   1