子集大于匹配项

Question

我想子集一个数据框，我这样做：

test = genes_names %in% annot2$Short_Name_Sc
summary(test)  # 3140 rows to subset
## Mode       FALSE    TRUE    NA's 
## logical    2146    3140       0 

test2 = annot2[test, 1]
nrow(annot2)
## [1] 5371
nrow(test2)
## [1] 3195 # There are 55 rows unexpected

令我惊讶的是， test2对象在test向量中具有比TRUE多的行。 我认为这可能是[] 。

我尝试了子集：

probe = subset(annot2, test, 1)

但是它的行数与以前的代码相同。 有什么解释吗？

数据很大，所以我不发布它，但是不幸的是我没有做一个可重复的例子。 数据集均为字符：

summary(annot2)
## Probe_ID         Short_Name_Sc      Systematic_Name_Sc
## Length:5371        Length:5371        Length:5371       
## Class :character   Class :character   Class :character  
## Mode  :character   Mode  :character   Mode  :character

summary(genes_names)
## Length     Class      Mode 
## 5286       character  character 

Answer 1

由于genes_names和annot2[, 1]长度不同而导致观察到此行为，这导致载体test被部分回收。 向量test和genes_names长度为5286，但是nrow(annot2)等于5371。因此，当调用annot2[test, 1] ，结果实际上是annot2[c(test, test[1:85]), 1] （数字85出现了） （长度= 85 = 5371-5286）。

一个使用mtcars的可复制示例，该示例具有32行：如果我们将test定义为某个长度不除以32的逻辑矢量，例如test <- c(T, T, F, F, T) ，则mtcars[test, 1]与mtcars[c(rep(test, 6), test[1:2]), 1] ，并且长度为20。向量test被尽可能多地回收以适合32行mtcars （即6次），返回18行（因为有3个TRUE中值test ）加上来自前两个元件2个附加行test （因为32 = 2模5）。