r - 为什么 `[` 比 `subset` 更好？

Question

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:

1. 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。

2. 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？

Answer 1

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。)