有什么用？

Question

我试图让无处不在的句柄which作用。 在我开始阅读问题/答案之前，我从未发现它的必要性。 而我仍然没有。

据我所知， which采用布尔向量并返回一个弱的较短的向量，其中包含元素的索引为真：

> seq(10)
 [1]  1  2  3  4  5  6  7  8  9 10
> x <- seq(10)
> tf <- (x == 6 | x == 8)
> tf
 [1] FALSE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE
> w <- which(tf)
> w
[1] 6 8

那么我为什么要使用which而不是直接使用布尔向量？ 我可能会看到一些带有大量向量的内存问题，因为length(w) << length(tf) ，但这几乎没有引人注目。 并且帮助文件中有一些选项不会增加我对此功能的可能用途的理解。 帮助文件中的示例也没有太大帮助。

编辑为清楚起见 -据我所知， which将返回索引。 我的问题是关于两件事： 1）为什么你需要使用索引而不是仅使用布尔选择器向量？ 2）什么有趣的行为which可能使该国希望只使用一个量化的布尔比较？

Answer 1

好的，这是昨晚证明有用的东西：

在给定的值向量中，第3个非NA值的索引是多少？

> x <- c(1,NA,2,NA,3)
> which(!is.na(x))[3]
[1] 5

与DWin的使用略有不同，虽然我会说他的引人注目！

Answer 2

手册的标题?which提供了动力。 标题是：

哪些指数是TRUE ？

如果您想知道逻辑矢量的哪些元素为TRUE我将其解释为可能使用的函数。 这与仅使用逻辑向量本身本质上是不同的。 那将选择TRUE的元素，而不是告诉你哪些是TRUE 。

常见用例是在向量中获取最大值或最小值的位置 ：

> set.seed(2)
> x <- runif(10)
> which(x == max(x))
[1] 5
> which(x == min(x))
[1] 7

那些常用的是which.max()和which.min()创建的：

> which.max(x)
[1] 5
> which.min(x)
[1] 7

但是，请注意，特定表单不是通用表单的准确替换。 有关详细信息，请参阅?which.min 。 一个例子如下：

> x <- c(4,1,1)
> which.min(x)
[1] 2
> which(x==min(x))
[1] 2 3

Answer 3

两个非常令人信服的理由，不要忘记which ：

1）当您使用“[”从数据框中提取时，行位置中任何导致NA的计算都将返回一个垃圾行。 使用which删除NA。 您可以使用subset或%in% ，这不会产生相同的问题。

> dfrm <- data.frame( a=sample(c(1:3, NA), 20, replace=TRUE), b=1:20)
> dfrm[dfrm$a >0, ]
      a  b
1     1  1
2     3  2
NA   NA NA
NA.1 NA NA
NA.2 NA NA
6     1  6
NA.3 NA NA
8     3  8
# Snipped  remaining rows

2）何时需要阵列指示灯。

Answer 4

which可能是有用的（通过保存计算机和人力资源的方式），例如，如果您必须通过给定的变量/列过滤数据框/矩阵的元素，并基于此更新其他变量/列。 例：

df <- mtcars

代替：

df$gear[df$hp > 150] <- mean(df$gear[df$hp > 150])

你可以这样做：

p <- which(df$hp > 150)
df$gear[p] <- mean(df$gear[p])

额外的情况是，如果你必须过滤过滤元素，用简单的&或|来做不了 例如，当您必须根据其他数据表更新数据框的某些部分时。 这样，需要存储（至少临时）过滤元素的索引。

如果你不得不循环思考数据框架/矩阵的一部分或者必须做其他类型的转换需要知道几个案例的索引，那么我想到了另一个问题。 例：

urban <- which(USArrests$UrbanPop > 80)
> USArrests[urban, ] - USArrests[urban-1, ]
              Murder Assault UrbanPop  Rape
California       0.2      86       41  21.1
Hawaii         -12.1    -165       23  -5.6
Illinois         7.8     129       29   9.8
Massachusetts   -6.9    -151       18 -11.5
Nevada           7.9     150       19  29.5
New Jersey       5.3     102       33   9.3
New York        -0.3     -31       16  -6.0
Rhode Island    -2.9      68       15  -6.6

对于虚拟示例我很抱歉，我知道将美国最城市化的州与字母表之前的状态进行比较没有多大意义，但我希望这是有道理的:)

检查which.min和which.max提供了一些线索，因为你不需要输入很多，例如：

> row.names(mtcars)[which.max(mtcars$hp)]
[1] "Maserati Bora"

Answer 5

好吧，我找到了一个可能的原因。 起初我认为它可能是,useNames选项，但事实证明，简单的布尔选择也是如此。

但是，如果您感兴趣的对象是矩阵，则可以使用,arr.ind选项将结果作为（行，列）有序对返回：

> x <- matrix(seq(10),ncol=2)
> x
     [,1] [,2]
[1,]    1    6
[2,]    2    7
[3,]    3    8
[4,]    4    9
[5,]    5   10
> which((x == 6 | x == 8),arr.ind=TRUE)
     row col
[1,]   1   2
[2,]   3   2
> which((x == 6 | x == 8))
[1] 6 8

这是一个方便的技巧，但似乎没有理由证明它的不断使用。

Answer 6

惊讶没人回答：内存效率怎么样？

如果你有一个非常稀疏的TRUE的长向量，那么仅跟踪TRUE值的索引可能会更加紧凑。

Answer 7

我经常在数据探索中使用它。 例如，如果我有一个孩子数据的数据集，并从摘要中看到最大年龄是23（并且应该是18），我可能会去：

sum(dat$age>18)

如果那是67，我想看得更近，我可能会使用：

dat[which(dat$age>18)[1:10], ]

如果您正在进行演示并希望提取一小段数据以证明某种奇怪或不可用，这也很有用。