使用帶有 $ 的邏輯向量對數據幀進行子集

Question

我無法理解$符號在 R 中對data.frame進行子集化時的使用原因和行為。以下示例是在我正在上的初學者課程中介紹的（不是與現場教授一起，所以不能問那里）：

temp_mat <- matrix(1:9, nrow=3)
colnames(temp_mat) <- c('a', 'b', 'c')
temp_df <- data.frame(temp_mat)

調用temp_df顯然輸出：

  a b c
1 1 4 7
2 2 5 8
3 3 6 9

課程中給出的例子是：

temp_df[temp_df$c < 10]

哪些輸出：

  a b c
1 1 4 7
2 2 5 8
3 3 6 9

使用原因問題：課程說明$用於部分匹配， x$y是x[["y", exact=FALSE]]的精確替代。 為什么我們要在這里使用部分匹配運算符？ 我們使用它是因為我們確定在我們的temp_df中沒有其他類似於“c”的列可能會被錯誤地拾取？ 此外，如何測量部分匹配？ 匹配字符的最低百分比或其他什么？ 如果使用具有未知或相似列名的數據集（例如，家庭電話與手機，這些會被視為有效的部分匹配嗎？），似乎有一個getElement函數會更合適。

行為問題：似乎上面的示例temp_df[temp_df$c < 10]是說“從 temp_df 返回元素的子集，其中列 c 小於 10”，並且由於所有列 c 元素都符合條件，因此返回整個數據幀。 我的解釋顯然是錯誤的，因為temp_df[temp_df$c < 9]返回：

  a b
1 1 4
2 2 5
3 3 6

盡管 c 列的第 1 行和第 2 行元素確實滿足小於 9 的標准，但忽略了整列。 我的問題變成了雙重問題：邏輯向量實際上在說什么/做什么？ 我將如何編寫我對“從 temp_df 中返回 c 列小於 9 的元素子集”的解釋並讓它返回：

  a b c
1 1 4 7
2 2 5 8

因為在我看來，元素 1 和 2（第 1 行和第 2 行）滿足該條件，因為它們的 c 列值小於 9，因此應該返回。

Answer 1

嘗試逐步分解操作。

temp_df$c < 9

給出如下向量：

[1]  TRUE  TRUE FALSE

當您以您顯示的方式傳遞此向量時： temp_df[c(TRUE, TRUE, FALSE)]具有對列進行操作的效果。

將data.frame視為一個列表，列名作為鍵，列內容作為向量值。 該操作保留 TRUE 鍵（即列）並刪除 FALSE。

逗號用於將向量標記為行索引。 保留前兩行，刪除最后一行。 因此， temp_df[c(TRUE, TRUE, FALSE), ]給出：

  a b c
1 1 4 7
2 2 5 8

Answer 2

$和[[都是extract運算符，允許按名稱提取元素。

OP 提出了一個關於exact參數行為的問題。 [[運算符的exact參數已在RStudio為：

在通過字符向量提取時控制 [[ 的可能部分匹配（對於大多數對象，但請參閱“環境”下）。 默認是沒有部分匹配。 值 NA 允許部分匹配，但在發生時發出警告。 值 FALSE 允許在沒有任何警告的情況下進行部分匹配。

這是什么意思？ 要了解其行為，讓我們將 OP 使用的 data.frame 的column names更改為：

names(temp_df) <- c("aa","bb","cc")

#partial name of column will work with exact = FALSE
temp_df[["a", exact = FALSE]]
#[1] 1 2 3
#partial name of column will not work with exact = TRUE
temp_df[["a", exact = TRUE]]
#NULL
temp_df[["a", exact = NA]]
#[1] 1 2 3
#Warning message:
#In .subset2(x, i, exact = exact) : partial match of 'a' to 'aa'