筛选my R数据帧会导致数据帧排序错误

考虑以下两个代码片段

A:

---

有人能解释一下为什么当我以.numeric的形式应用时，数字会发生变化吗？

第二种情况下，得到不同结果的真正原因是，整个数据集有一些页脚注释，这些注释也是用read.csv读取的，因为页脚中有“character”元素，所以大多数列都是“factor”类。这两种方法都可以避免

使用read.csv中的skip参数跳过最后几行 在read.csv调用中使用stringsAsFactors=FALSE并跳过行。 列是根据因子的级别排序的

---

如果您已经在不跳过行的情况下读取了文件，请转换为相应的类。如果它是“数值”列，请通过as.numericas.characterdf$列或as.numericlevelsdf$列[df$列]将其转换为数值。

最好显示一个小样本数据并将其应用于代码，显示问题所在。我怀疑人们是否愿意下载数据。请检查是否有因子列。由于在第一种情况下使用了子集，并且没有删除级别，因此排序可能基于因子变量not上的级别tested@RichardScriven，我已将csv文件添加为粘贴链接。我希望这能解决安全问题，或者你认为人们不下载文件还有其他原因吗？@akrun，在我将该列转换为数字之前，gdp$V1确实是案例B中的一个因子变量。然而，一旦我将列转换为数字，它不应该像其他任何数字一样吗？@EricBaldwin我研究了这两种情况。在第二个例子中，对于gdp，如果你看一下strgdp，除了V3，所有其他都是因素。而在第一种情况下，因子列是V1、V4和V6。您跳过了一些页眉行，同样，页脚中也有一些行需要跳过。只需检查tailgdp[2]`

download.file("https://d396qusza40orc.cloudfront.net/getdata%2Fdata%2FGDP.csv", destfile = "./data/gdp.csv", method = "curl" )
gdp <- read.csv('./data/gdp.csv', header=F, skip=5, nrows=190) # Specify nrows, get correct answer

download.file("https://d396qusza40orc.cloudfront.net/getdata%2Fdata%2FEDSTATS_Country.csv", destfile = "./data/education.csv", method = "curl" )
education = read.csv('./data/education.csv')

mergedData <- merge(gdp, education, by.x='V1', by.y='CountryCode')
# No need to remove unranked countries because we specified nrows
# No need to convert V2 from factor to numeric
sortedMergedData = arrange(mergedData, -V2)
sortedMergedData[13,1] # Get KNA, correct answer

download.file("https://d396qusza40orc.cloudfront.net/getdata%2Fdata%2FGDP.csv", destfile = "./data/gdp.csv", method = "curl" )
gdp <- read.csv('./data/gdp.csv', header=F, skip=5) # Don't specify nrows, get incorrect answer

download.file("https://d396qusza40orc.cloudfront.net/getdata%2Fdata%2FEDSTATS_Country.csv", destfile = "./data/education.csv", method = "curl" )
education = read.csv('./data/education.csv')

mergedData <- merge(gdp, education, by.x='V1', by.y='CountryCode')
mergedData = mergedData[which(mergedData$V2 != ""),] # Remove unranked countries
mergedData$V2 = as.numeric(mergedData$V2) # make V2 a numeric column
sortedMergedData = arrange(mergedData, -V2)
sortedMergedData[13,1] # Get SRB, incorrect answer

> mergedData$V2
  [1] 161 105 60  125 32  26  133 172 12  27  68  162 25  140 128 59  76  93 
 [19] 138 111 69  169 149 96  7   153 113 167 117 165 11  20  36  2   99  98 
 [37] 121 30  182 166 81  67  102 51  4   183 33  72  48  64  38  159 13  103
 [55] 85  43  155 5   185 109 6   114 86  148 175 176 110 42  178 77  160 37 
 [73] 108 71  139 58  16  10  46  22  47  122 40  9   116 92  3   50  87  145
 [91] 120 189 178 15  146 56  136 83  168 171 70  163 84  74  94  82  62  147
[109] 141 132 164 14  188 135 129 137 151 130 118 154 127 152 34  123 144 39 
[127] 126 18  23  107 55  66  44  89  49  41  187 115 24  61  45  97  54  52 
[145] 8   142 19  73  119 35  174 157 100 88  186 150 63  80  21  158 173 65 
[163] 124 156 31  143 91  170 184 101 79  17  190 95  106 53  78  1   75  180
[181] 29  57  177 181 90  28  112 104 134
194 Levels:  .. Not available.   1 10 100 101 102 103 104 105 106 107 ... Note: Rankings include only those economies with confirmed GDP estimates. Figures in italics are for 2011 or 2010.
> mergedData$V2 = as.numeric(mergedData$V2)
> mergedData$V2
  [1]  72  10 149  32 118 111  41  84  26 112 157  73 110  49  35 147 166 185
 [19]  46  17 158  80  58 188 159  63  19  78  23  76  15 105 122 104 191 190
 [37]  28 116  94  77 172 156   7 139 126  95 119 162 135 153 124  69  37   8
 [55] 176 130  65 137  97  14 148  20 177  57  87  88  16 129  90 167  71 123
 [73]  13 161  47 146  70   4 133 107 134  29 127 181  22 184 115 138 178  54
 [91]  27 101  90  59  55 144  44 174  79  83 160  74 175 164 186 173 151  56
[109]  50  40  75  48 100  43  36  45  61  38  24  64  34  62 120  30  53 125
[127]  33  91 108  12 143 155 131 180 136 128  99  21 109 150 132 189 142 140
[145] 170  51 102 163  25 121  86  67   5 179  98  60 152 171 106  68  85 154
[163]  31  66 117  52 183  82  96   6 169  81 103 187  11 141 168   3 165  92
[181] 114 145  89  93 182 113  18   9  42