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[
功能:
airquality[airquality$Month == 8 & airquality$Temp > 90, ]
我偏好有两个主要原因:
我发现代码从左到右读得更好。 即使对R一无所知的人也可以说出上面的
subset
声明在做什么。因为列可以在
select
表达式中称为变量,所以我可以保存几个键击。 在我上面的例子中,我只需要用subset
键入一次airquality
,而用[
。
所以我过着快乐的生活,在任何地方都使用subset
,因为它更短,读起来更好,甚至为我的同事R编码器提倡它的美感。 但昨天我的世界崩溃了。 在阅读subset
文档时,我注意到这一节:
警告
这是一种便于交互使用的便利功能。 对于编程,最好使用像[的标准子集函数,特别是参数子集的非标准评估可能会产生意想不到的后果。
有人可以帮助澄清作者的意思吗?
首先,他们的意思是“ 交互使用 ”? 我知道什么是交互式会话,而不是在BATCH模式下运行的脚本,但我不知道它应该有什么区别。
那么,请你解释一下“ 论证子集的非标准评估 ”以及为什么它是危险的,或许可以提供一个例子?
#1楼
另外[
更快:
require(microbenchmark)
microbenchmark(subset(airquality, Month == 8 & Temp > 90),airquality[airquality$Month == 8 & airquality$Temp > 90,])
Unit: microseconds
expr min lq median uq max neval
subset(airquality, Month == 8 & Temp > 90) 301.994 312.1565 317.3600 349.4170 500.903 100
airquality[airquality$Month == 8 & airquality$Temp > 90, ] 234.807 239.3125 244.2715 271.7885 340.058 100
#2楼
这个问题在@James的评论中得到了很好的回答,指出了Hadley Wickham对子subset
(和类似函数) [这里]的危险性的一个很好的解释。 去读吧!
这是一个有点长的阅读,所以在这里记录Hadley使用的最直接解决“什么可能出错?”的问题可能会有所帮助:
Hadley建议使用以下示例:假设我们要使用以下函数对数据框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:
eval(expr,envir,enclos)出错:找不到对象'cyl'
因为R不再“知道”在哪里找到名为'cyl'的对象。 他还指出,如果在全球环境中有一个名为'cyl'的对象,可能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)
(运行它们并亲眼看看,它非常疯狂。)