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一无所知的人也可以说出上面的声明在做什么 .
-
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 . 在上面的例子中,我只需要用subset
键入airquality
一次,而使用[
键入三次 .
所以我生活得很幸福,到处都是 subset
因为它更短,读起来更好,甚至为我的R编码员提倡它的美丽 . 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:
警告这是一个便于交互使用的便利功能 . 对于编程,最好使用[等标准子集函数,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?
2 回答
这个问题在@James的评论中得到了很好的回答,指出了Hadley Wickham对
subset
(以及类似函数)[here]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:
这会返回错误:
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:
(运行它们并亲眼看看,它非常疯狂 . )
[
也更快: