R頻率表包含0

Question

我正在處理一個大約700 000行的data.frame。它包含來自twitter的statusupdates的id和相應的用戶名。我只想知道那裏有多少不同的用戶以及他們推送了多少次。所以我認爲這是一個使用表格的非常簡單的任務。但知道我注意到我得到了不同的結果。

最近我做了它的列轉換爲字符這樣

>freqs <- as.data.frame(table(as.character(w_dup$from_user)) 
>nrow(freqs) 
[1] 239678 

2個月前我做了這樣的

>freqs <- as.data.frame(table(w_dup$from_user) 
>nrow(freqs) 
[1] 253594 

我注意到，這樣的數據幀中包含有一個頻率的用戶名0.怎麼可能？如果用戶名在數據集中，則必須至少出現一次。

？表沒有幫助我。我也無法在較小的數據集上重現此問題。

我做錯了什麼。還是我誤解了表格的使用？

Answer 1

類型列的是這裏的問題，並牢記的因素水平保持不變子集劃分的數據幀時：

# Full data frame 
(df <- data.frame(x = letters[1:3], y = 1:3)) 
    x y 
1 a 1 
2 b 2 
3 c 3 
# Its structure - all three levels as it should be 
str(df) 
'data.frame': 3 obs. of 2 variables: 
$ x: Factor w/ 3 levels "a","b","c": 1 2 3 
$ y: int 1 2 3 
# A smaller data frame 
(newDf <- df[1:2, ]) 
    x y 
1 a 1 
2 b 2 
# But the same three levels 
str(newDf) 
'data.frame': 2 obs. of 2 variables: 
$ x: Factor w/ 3 levels "a","b","c": 1 2 
$ y: int 1 2 

所以第一列包含的因素。在這種情況下：

table(newDf$x) 

a b c 
1 1 0 

所有級別（"a","b","c"）考慮在內。這裏

table(as.character(newDf$x)) 

a b 
1 1 

他們不再是因素了。