使用R处理百万警情数据：生成Top20辖区数据框遇空值问题

问题根源 #

你生成空数据框的核心原因是top20$JURISDICTION大概率是因子（factor）类型，和police$JURISDICTION的类型不匹配，导致筛选时无法匹配到数据。

更高效的处理方法 #

方案1：用split拆分（推荐） #

不需要手动循环，一行代码就能完成拆分，还能把所有辖区数据统一存进列表，方便后续批量处理：

# 提取Top20辖区名称并转为字符型
top20_juris <- as.character(top20$JURISDICTION)
# 筛选目标数据并按辖区拆分
top20_data_list <- split(
  police[police$JURISDICTION %in% top20_juris, ],
  police[police$JURISDICTION %in% top20_juris, ]$JURISDICTION
)

• 调用单个辖区数据：top20_data_list[["XX辖区"]]
• 后续做图表时，能结合purrr包批量生成，比单独维护20个数据框高效得多

方案2：修复循环代码 #

如果一定要生成单独的全局数据框，修改代码避免因子匹配问题：

top20_juris <- as.character(top20$JURISDICTION)
for (juris in top20_juris) {
  assign(juris, dplyr::filter(police, JURISDICTION == juris))
}

• 直接用辖区名称循环，比按索引循环更直观，同时转字符型解决了匹配失效问题

批量可视化示例 #

结合ggplot2和purrr可以批量生成所有Top20辖区的图表，比如犯罪类型分布柱状图：

library(purrr)
library(ggplot2)

# 批量生成图表
top20_plots <- map(top20_data_list, function(df) {
  ggplot(df, aes(x = 犯罪类型)) +
    geom_bar(fill = "#2E86AB") +
    labs(title = paste(df$JURISDICTION[1], "犯罪类型分布"),
         x = "犯罪类型", y = "警情数量") +
    theme_minimal() +
    theme(axis.text.x = element_text(angle = 45, hjust = 1))
})

# 查看指定辖区图表
top20_plots[["XX辖区"]]

内容的提问来源于stack exchange，提问作者Qats