当我需要过滤 data.frame,即提取满足特定条件的行时,我更喜欢使用 subset
函数:
subset(airquality, Month == 8 & Temp > 90)
而不是[
函数:
airquality[airquality$Month == 8 & airquality$Temp > 90, ]
我的偏好有两个主要原因:
我发现代码从左到右读起来更好。即使对 R 一无所知的人也能知道上面的
subset
语句在做什么。因为列可以在
select
表达式中引用为变量,所以我可以节省一些击键次数。在上面的示例中,我只需使用subset
输入一次airquality
,但使用[
输入三次。
所以我生活得很快乐,到处使用subset
,因为它更短并且可读性更好,甚至向我的 R 程序员同事宣传它的美丽。但昨天我的世界崩溃了。在阅读 subset
文档时,我注意到这一部分:
Warning
This is a convenience function intended for use interactively. For programming it is better to use the standard subsetting functions like [, and in particular the non-standard evaluation of argument subset can have unanticipated consequences.
有人可以帮助澄清作者的意思吗?
首先,“交互使用”是什么意思?我知道什么是交互式 session ,而不是在批处理模式下运行的脚本,但我不知道它应该产生什么区别。
那么,您能否解释一下“参数子集的非标准评估”以及为什么它是危险的,也许可以提供一个例子?
最佳答案
这个问题在 @James 的评论中得到了很好的回答,他指出 Hadley Wickham 对 subset
(以及类似函数)的危险做了很好的解释 [here] 。快去读吧!
阅读起来有点长,因此在这里记录 Hadley 使用的示例可能会有所帮助,该示例最直接地解决了“什么可能会出错?”的问题:
Hadley 建议使用以下示例:假设我们要使用以下函数对数据帧进行子集化然后重新排序:
scramble <- function(x) x[sample(nrow(x)), ]
subscramble <- function(x, condition) {
scramble(subset(x, condition))
}
subscramble(mtcars, cyl == 4)
这会返回错误:
Error in eval(expr, envir, enclos) : object 'cyl' not found
因为 R 不再“知道”在哪里可以找到名为“cyl”的对象。他还指出,如果全局环境中偶然存在一个名为“cyl”的对象,就会发生真正奇怪的事情:
cyl <- 4
subscramble(mtcars, cyl == 4)
cyl <- sample(10, 100, rep = T)
subscramble(mtcars, cyl == 4)
(运行它们并亲自看看,这非常疯狂。)
关于r - 为什么 `[` 比 `subset` 更好?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/9860090/