我有一个大的数据框(df),看起来像下面的示例。数据集中有许多数据输入错误,我需要删除这些错误。在样本数据中的所有新南威尔士州国家应该有一个邮政编码开头2.所有VIC国家应该有一个邮编开始3根据多个条件从DF中删除数据
| Suburb | State | Postcode |
| ------ | ----- | -------- |
| FLEMINGTON | NSW | 2140 |
| FLEMINGTON | NSW | 2144 |
| FLEMINGTON | NSW | 3996 |
| FLEMINGTON | VIC | 2996 |
| FLEMINGTON | VIC | 3021 |
| FLEMINGTON | VIC | 3031 |
我需要的决赛桌的样子......
| Suburb | State | Postcode |
| ------ | ----- | -------- |
| FLEMINGTON | NSW | 2140 |
| FLEMINGTON | NSW | 2144 |
| FLEMINGTON | VIC | 3021 |
| FLEMINGTON | VIC | 3031 |
下面的解决方案是有点紧密,但我不知道如何过滤整数,从一个特定的数字开始,并在时间压力下。
Extracting rows from df based on multiple conditions in R
任何帮助将不胜感激。
像梦一样工作。 :) –
或者通过计算频率setDT(df)[,N:= .N,。(substr(Postcode,1,1),State)] [,.SD [N == max(N)] ,状态] [,N:= NULL] []' – akrun