9 Basic: subsetting
subsetting 是把想要的部分取出来，方便后续操作。在 R 中，subsetting 就是取指定 object 的一部分 elements 出来。Subsetting 恐怕是 R 中最常用的操作之一了，需熟练掌握。
9.1 What is element
在 R 中，一般会把 object 中存储的信息视作是数据，通常会将 element 视作是数据中的最小单位，但这个理解在不同的 structure types 中有所不同。
vector, matrix, array, factor 类型的 object 中 element 指的是 object 内容上的单个记录。例如：
m1 # 4 个元素的矩阵
#> [,1] [,2]
#> [1,] 1 3
#> [2,] 2 4list 和 data.frame 这两种类型的 object，element 指结构上的单个记录。例如：
- list
data.frame
9.2 Subsetting operators
subsetting 在 R 中被视作是一种操作（operation），所以是通过操作符（operator）来实现。用于 subsetting 的 operators 共有 4 种，可分为 2 种类型。
| 取单个元素 | 取多个元素 |
|---|---|
[[]]，$，@
|
[] |
其中，$和@但只能作用于 list 和 data.frame 这两种 structure type，可以视作是与[[]]等价的一种特殊写法。$和@的作用方式相同，只是针对不同的 object 系统，$适用于 S3，@适用于 S4。关于object系统的知识涉及到面向对象编程（Object-oriented programming），超出了本课程的讲解范围，在此不作展开。
Subsetting 的两种索引（index）分别是位置和名字（name），其中位置是绝对会有的，而 name 则不一定，这也是符合常识的。例如军训队伍方阵，教官第一次训练时，是不知道每个同学叫什么名字的，但是绝对可以通过该同学在方阵中所处的位置（第几行第几列）让该同学出列。同样的，在 R 中，要取出一个 object 的一部分，此时该 object 肯定是已经存在于 global environment 中，它有几个元素，分别是什么都是确定的，元素的位置信息就一定会有，但 name 则不一定（data.frame 是一个例外）。所以取子集时，位置是最为常用的 index。
注意：取多个 elements 时，通常会保留所取 elements 中与 name 相关的 attribute，有些情况下会保留 dim，其他的 attribute 一般都会被丢弃。这一点在本节后续使用的例子中可以得到体现。
9.3 Basic usage of subsetting operators
9.3.1 Subset single element
[[]]
无维度
用来取出 object 中的指定单个 element。例如：
# atomic vector
vec_dbl <- c(0, 1, 2.5, 4.5)
vec_dbl[[1]]
#> [1] 0
vec_dbl[[2]]
#> [1] 1
vec_dbl[[3]]
#> [1] 2.5
vec_dbl[[4]]
#> [1] 4.5上述写法也同样适用于 factor 和 expression。
有维度
# matrix
m1 <- matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)
m1
#> [,1] [,2]
#> [1,] 1 3
#> [2,] 2 4
m1[[1]]
#> [1] 1
m1[[2]]
#> [1] 2
m1[[3]]
#> [1] 3
m1[[4]]
#> [1] 4
# 上述代码分别等价于
m1[[1, 1]]
#> [1] 1
m1[[2, 1]]
#> [1] 2
m1[[1, 2]]
#> [1] 3
m1[[2, 2]]
#> [1] 4注：[[2, 2]]这种有,的写法表示 subsetting 时考虑了维度的信息，一个,表示有两个维度，两个,表示有三个维度，依此类推。这种写法只能用于有 dim 这个 attribute 的 object，也就是 array 和 matrix，以及特例—— data.frame：
# array
a1 <- array(1:6, dim = c(1, 2, 3))
a1
#> , , 1
#>
#> [,1] [,2]
#> [1,] 1 2
#>
#> , , 2
#>
#> [,1] [,2]
#> [1,] 3 4
#>
#> , , 3
#>
#> [,1] [,2]
#> [1,] 5 6
a1[[1]]
#> [1] 1
a1[[2]]
#> [1] 2
a1[[3]]
#> [1] 3
a1[[4]]
#> [1] 4
a1[[5]]
#> [1] 5
a1[[6]]
#> [1] 6
# 上述代码分别等价于
a1[[1, 1, 1]]
#> [1] 1
a1[[1, 2, 1]]
#> [1] 2
a1[[1, 1, 2]]
#> [1] 3
a1[[1, 2, 2]]
#> [1] 4
a1[[1, 1, 3]]
#> [1] 5
a1[[1, 2, 3]]
#> [1] 6
# data.frame
df <- data.frame(x = c(1, 2), y = c(3, 4))
df
#> x y
#> 1 1 3
#> 2 2 4
attributes(df)
#> $names
#> [1] "x" "y"
#>
#> $class
#> [1] "data.frame"
#>
#> $row.names
#> [1] 1 2
df[[1, 2]]
#> [1] 3
# list
l1 <- list(
list(1, 2, 3),
c(1L, 2L, 3L),
"a",
c(TRUE, FALSE, TRUE),
c(2.3),
c(NA, NA, NA),
matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)
)
str(l1)
#> List of 7
#> $ :List of 3
#> ..$ : num 1
#> ..$ : num 2
#> ..$ : num 3
#> $ : int [1:3] 1 2 3
#> $ : chr "a"
#> $ : logi [1:3] TRUE FALSE TRUE
#> $ : num 2.3
#> $ : logi [1:3] NA NA NA
#> $ : num [1:2, 1:2] 1 2 3 4
l1[[1]]
#> [[1]]
#> [1] 1
#>
#> [[2]]
#> [1] 2
#>
#> [[3]]
#> [1] 3
l1[[2]]
#> [1] 1 2 3
l1[[3]]
#> [1] "a"
l1[[4]]
#> [1] TRUE FALSE TRUE
l1[[5]]
#> [1] 2.3
l1[[6]]
#> [1] NA NA NA
l1[[7]] # 该元素本身是 matrix，有 dim attribute，所以得到保留
#> [,1] [,2]
#> [1,] 1 3
#> [2,] 2 4
is.matrix(l1[[7]])
#> [1] TRUE
# 取 list object 的单个元素中的单个 element
l1[[2]][[2]]
#> [1] 2
l1[[7]][[4]]
#> [1] 4
# 等价于
l1[[7]][[2, 2]]
#> [1] 4
# data.frame
gender <- factor(c("male", "male", "female", "male", "female", "female"))
school <- factor(c("jxnu", "ncu", "jxnu", "jxnu", "jxufe", "jxau"))
age <- c(18, 20, 19, 19, 21, 20)
df <- data.frame(gender, school, age)
df
#> gender school age
#> 1 male jxnu 18
#> 2 male ncu 20
#> 3 female jxnu 19
#> 4 male jxnu 19
#> 5 female jxufe 21
#> 6 female jxau 20
df[[1]]
#> [1] male male female male female female
#> Levels: female male
df[[2]]
#> [1] jxnu ncu jxnu jxnu jxufe jxau
#> Levels: jxau jxnu jxufe ncu
df[[3]]
#> [1] 18 20 19 19 21 20
# 取 data.frame object 的单个元素中的单个 element
df[[3]][[5]]
#> [1] 21
# 等价的写法应该是什么？如果使用了不存在的位置作为 index 取单个 element 会怎么样？
list：
l1 <- list(
list(1, 2, 3),
c(1L, 2L, 3L),
"a",
c(TRUE, FALSE, TRUE),
c(2.3),
c(NA, NA, NA),
matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)
)
l1[[8]]
#> Error in l1[[8]]: subscript out of boundsdata.frame：
df1 <- data.frame(number = c(1, 2, 3), letter = c("a", "b", "c"))
df1[[3]]
#> Error in .subset2(x, i, exact = exact): subscript out of bounds其他 structure type：
vec_dbl <- c(0, 1, 2.5, 4.5)
vec_dbl[[5]]
#> Error in vec_dbl[[5]]: subscript out of bounds-
$和@
只能作用于有names这一 attribute 的 list 和 data.frame ，用来取出对应某名字下的单个 element。例如，
l1 <- list(
t = list(1, 2, 3),
u = c(1L, 2L, 3L),
v = "a",
w = c(TRUE, FALSE, TRUE),
x = c(2.3),
y = c(NA, NA, NA),
z = matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)
)
df1 <- data.frame(number = c(1, 2, 3), letter = c("a", "b", "c"))
str(l1)
#> List of 7
#> $ t:List of 3
#> ..$ : num 1
#> ..$ : num 2
#> ..$ : num 3
#> $ u: int [1:3] 1 2 3
#> $ v: chr "a"
#> $ w: logi [1:3] TRUE FALSE TRUE
#> $ x: num 2.3
#> $ y: logi [1:3] NA NA NA
#> $ z: num [1:2, 1:2] 1 2 3 4
df1
#> number letter
#> 1 1 a
#> 2 2 b
#> 3 3 c
# subsetting using $
l1$t
#> [[1]]
#> [1] 1
#>
#> [[2]]
#> [1] 2
#>
#> [[3]]
#> [1] 3
df1$letter
#> [1] "a" "b" "c"
# 等价于
l1[[1]]
#> [[1]]
#> [1] 1
#>
#> [[2]]
#> [1] 2
#>
#> [[3]]
#> [1] 3
df1[[2]]
#> [1] "a" "b" "c"如果名字是中文，可能会出现编码的问题，导致报错，不建议使用。如果碰到中文名字的情况，需要加""，例如：
df1 <- data.frame(number = c(1, 2, 3), letter = c("a", "b", "c"))
names(df1) <- c("数字", "字母")
df1
#> 数字 字母
#> 1 1 a
#> 2 2 b
#> 3 3 c
df1$"数字"
#> [1] 1 2 3如果将$用于除 list 和 data.frame 以外的 structure types，都会报错，例如
a <- c(x = 1, y = 2)
a
#> x y
#> 1 2
a$x
#> Error in a$x: $ operator is invalid for atomic vectors除了 list 和 data.frame 之外，其他的 structure types 能用 name 为 index 取单个 element 吗？
# atomic vector
a <- c(x = 1, y = 2)
a[[2]]
#> [1] 2
a[["y"]]
#> [1] 2
# matrix
m1 <- matrix(c(1, 2, 3, 4), 2, 2)
dimnames(m1) <- list(c("c", "d"), c("a", "b"))
m1
#> a b
#> c 1 3
#> d 2 4
m1[[4]]
#> [1] 4
m1[[2, 2]]
#> [1] 4
m1[[2, "b"]]
#> [1] 4
m1[["d", 2]]
#> [1] 4
m1[["d", "b"]]
#> [1] 4
# array
a1 <- array(c(1, 2, 3, 4, 5, 6), dim = c(1, 2, 3))
dimnames(a1) <- list(NULL, c("a", "b"), c("c1", "c2", "c3"))
a1
#> , , c1
#>
#> a b
#> [1,] 1 2
#>
#> , , c2
#>
#> a b
#> [1,] 3 4
#>
#> , , c3
#>
#> a b
#> [1,] 5 6
a1[[6]]
#> [1] 6
a1[[1, 2, 3]]
#> [1] 6
a1[[1, 2, "c3"]]
#> [1] 6
a1[[1, "b", 3]]
#> [1] 6
a1[[1, "b", "c3"]]
#> [1] 6如果使用了不存在的 name 作为 index 取单个 element 会怎么样？
list 和 data.frame：
# list
l1 <- list(
t = list(1, 2, 3),
u = c(1L, 2L, 3L),
v = "a",
w = c(TRUE, FALSE, TRUE),
x = c(2.3),
y = c(NA, NA, NA),
z = matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)
)
l1$h
#> NULL
l1[["h"]]
#> NULL
# 注意：
# 使用不存在的 name 作为 index，[[]]不会报错，且与$的结果一致，
# 但使用不存在的位置作为 index，[[]]会直接报错
# data.frame
df1 <- data.frame(number = c(1, 2, 3), letter = c("a", "b", "c"))
df1$numbar
#> NULL
df1[["numbar"]]
#> NULL
# cbind(df1, df1$numbar)其他 structure types：
# atomic vector
a <- c(x = 1, y = 2)
a[["z"]]
#> Error in a[["z"]]: subscript out of bounds9.3.2 Subset multiple elements
[]表示用来取多个 elements（包括单个）。
当取单个 element 时，绝大多数情况下，[]和[[]]效果一致。例如：
# atomic vector
a <- c(1, 2, 3)
a[3]
#> [1] 3
a[[3]]
#> [1] 3
# matrix
m1 <- matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)
m1
#> [,1] [,2]
#> [1,] 1 3
#> [2,] 2 4
m1[4]
#> [1] 4
m1[[4]]
#> [1] 4
m1[2, 2]
#> [1] 4
m1[[2, 2]]
#> [1] 4
# array
a1 <- array(c(1, 2, 3, 4, 5, 6), dim = c(1, 2, 3))
a1
#> , , 1
#>
#> [,1] [,2]
#> [1,] 1 2
#>
#> , , 2
#>
#> [,1] [,2]
#> [1,] 3 4
#>
#> , , 3
#>
#> [,1] [,2]
#> [1,] 5 6
a1[6]
#> [1] 6
a1[[6]]
#> [1] 6
a1[1, 2, 3]
#> [1] 6
a1[[1, 2, 3]]
#> [1] 6只有在 list 和 data.frame 的情况下，取单个 element 用[]和[[]]的结果有所不同，不同的根本原因是：如果是 list（data.frame 本质上是 list），那么[]返回的结果永远是一个 list。例如
l1 <- list(
t = list(1, 2, 3),
u = c(1L, 2L, 3L),
v = "a",
w = c(TRUE, FALSE, TRUE),
x = c(2.3),
y = c(NA, NA, NA),
z = matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)
)
str(l1)
#> List of 7
#> $ t:List of 3
#> ..$ : num 1
#> ..$ : num 2
#> ..$ : num 3
#> $ u: int [1:3] 1 2 3
#> $ v: chr "a"
#> $ w: logi [1:3] TRUE FALSE TRUE
#> $ x: num 2.3
#> $ y: logi [1:3] NA NA NA
#> $ z: num [1:2, 1:2] 1 2 3 4
l1[[7]]
#> [,1] [,2]
#> [1,] 1 3
#> [2,] 2 4
is.matrix(l1[[7]])
#> [1] TRUE
l1[7] # 名字得以保留，且取出的结果是 list
#> $z
#> [,1] [,2]
#> [1,] 1 3
#> [2,] 2 4
is.matrix(l1[7])
#> [1] FALSE
is.list(l1[7])
#> [1] TRUE这里借用Advanced R（Hadley Wickham）中的比喻和图例来形象地解释这一现象的原因。比喻的原作者：
If list x is a train carrying objects, then x[[5]] is the object in car 5; x[4:6] is a train of cars 4-6.
RLangTip, https://twitter.com/RLangTip/status/268375867468681216
假定一个 list 是一个火车，每一个 element 就是一节车厢，车厢里可以是各种各样 structure type 的 object。那么，[[]]取出来的就是某节车厢里的 object，[]取出来的就是火车+指定车厢+指定车厢里面的 object。
例如：
x <- list(1:3, "a", 4:6)就好比
当从x中取单个 element 时，[]表示创建一个小型的火车拉着某个车厢，[[]]表示把某个车厢里的东西取出来。
由于 data.frame 本质上是 list，所以也会出现上述现象：
df <- data.frame(x = 1:3, y = 4:6)
df[1]
#> x
#> 1 1
#> 2 2
#> 3 3
df[[1]]
#> [1] 1 2 3
is.data.frame(df[1])
#> [1] TRUE
is.atomic(df[1])
#> [1] FALSE
is.data.frame(df[[1]])
#> [1] FALSE
is.atomic(df[[1]])
#> [1] TRUE结合上述细节就会发现，在取 list 的单个 element 时，如果 index 出错，[]和[[]]的结果完全不同：
l1 <- list(
a = list(1, 2, 3),
b = c(1L, 2L, 3L),
c = "a",
d = c(TRUE, FALSE, TRUE),
e = c(2.3),
f = c(NA, NA, NA),
g = matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)
)
l1["h"] # 不报错，list
#> $<NA>
#> NULL
l1[8] # 结果同上，不报错，list
#> $<NA>
#> NULL
l1[["h"]] # 结果不同，但也不报错，vector
#> NULL
l1[[8]] #报错
#> Error in l1[[8]]: subscript out of bounds忽略上述所有细节会导致在写代码的时候，如果使用[]取 list 和 data.frame 的单个 element，后续基于该取出的单个 element 的操作很容易出错：
results_ttest <- t.test(1:20, 20:30)
str(results_ttest)
#> List of 10
#> $ statistic : Named num -8.74
#> ..- attr(*, "names")= chr "t"
#> $ parameter : Named num 29
#> ..- attr(*, "names")= chr "df"
#> $ p.value : num 1.28e-09
#> $ conf.int : num [1:2] -17.9 -11.1
#> ..- attr(*, "conf.level")= num 0.95
#> $ estimate : Named num [1:2] 10.5 25
#> ..- attr(*, "names")= chr [1:2] "mean of x" "mean of y"
#> $ null.value : Named num 0
#> ..- attr(*, "names")= chr "difference in means"
#> $ stderr : num 1.66
#> $ alternative: chr "two.sided"
#> $ method : chr "Welch Two Sample t-test"
#> $ data.name : chr "1:20 and 20:30"
#> - attr(*, "class")= chr "htest"
# wrong approach, subsetting a single element of a list object using []
results_ttest[4][1]
#> $conf.int
#> [1] -17.89186 -11.10814
#> attr(,"conf.level")
#> [1] 0.95
results_ttest[4][2]
#> $<NA>
#> NULL
# correct approach, subsetting a single element of a list object using [[]]
results_ttest[[4]][1]
#> [1] -17.89186
results_ttest[[4]][2]
#> [1] -11.10814
# correct approach, subsetting a single element of a list object using $
results_ttest$conf.int[1]
#> [1] -17.89186
results_ttest$conf.int[2]
#> [1] -11.10814当使用[]同时取出多个 elements 时，就有很多几种不同的基本用法，并且可以根据需要灵活组合使用。这些基本用法可以分为两类：以位置为 index和以名字为 index。其中，位置为 index 时[]的使用最为灵活。
9.3.2.1 Position
有四种具体的用法：
- positive integer（取出指定位置的 element）。
不考虑维度
m1 <- matrix(c(5, 6, 7, 8), 2, 2)
m1
#> [,1] [,2]
#> [1,] 5 7
#> [2,] 6 8
m1[c(4, 3, 2, 1)]
#> [1] 8 7 6 5
m1[c(1, 3)]
#> [1] 5 7
is.matrix(m1[c(1, 3)])
#> [1] FALSE可以看出，m1[c(4, 3, 2, 1)]取出来的子集中 elements 的顺序和提供的 positive integers 完全一致，相当于取出子集的同时，也对子集的位置顺序做了调整。这意味着可以按照任务需求随意排列子集。这一理解在“取子集操作符的进阶用法”小节的讲解中会得到运用。
df <- data.frame(
number = c(1, 2, 3, 4),
letter = c("a", "b", "c", "d"),
direction = c("north", "east", "south", "west")
)
df
#> number letter direction
#> 1 1 a north
#> 2 2 b east
#> 3 3 c south
#> 4 4 d west
df[c(1, 2, 3)]
#> number letter direction
#> 1 1 a north
#> 2 2 b east
#> 3 3 c south
#> 4 4 d west
df[c(1, 3)]
#> number direction
#> 1 1 north
#> 2 2 east
#> 3 3 south
#> 4 4 west
is.data.frame(df[c(1, 3)])
#> [1] TRUE考虑维度
相当于对原始的 object 切块。
m1 <- matrix(c(1, 2, 3, 4, 5, 6, 7, 8, 9), nrow = 3, ncol = 3)
m1
#> [,1] [,2] [,3]
#> [1,] 1 4 7
#> [2,] 2 5 8
#> [3,] 3 6 9
m1[c(1, 3), c(2, 3)]
#> [,1] [,2]
#> [1,] 4 7
#> [2,] 6 9
is.matrix(m1[c(1, 3), c(2, 3)])
#> [1] TRUE
df <- data.frame(number = c(1, 2, 3, 4), letter = c("a", "b", "c", "d"), direction = c("north", "east", "south", "west"))
df
#> number letter direction
#> 1 1 a north
#> 2 2 b east
#> 3 3 c south
#> 4 4 d west
df[c(2, 3), c(1, 3)]
#> number direction
#> 2 2 east
#> 3 3 south
is.data.frame(df[c(2, 3), c(1, 3)])
#> [1] TRUE重复的 positive integers，可以提取相同的内容并拼接：
df <- data.frame(
number = c(1, 2, 3, 4),
letter = c("a", "b", "c", "d"),
direction = c("north", "east", "south", "west")
)
df
#> number letter direction
#> 1 1 a north
#> 2 2 b east
#> 3 3 c south
#> 4 4 d west
df[c(2, 2), c(1, 3)]
#> number direction
#> 2 2 east
#> 2.1 2 east和位置序号一致但顺序不同的 positive integers，可以用来重新排列原始数据：
df <- data.frame(
number = c(1, 2, 3, 4),
letter = c("a", "b", "c", "d"),
direction = c("north", "east", "south", "west")
)
df
#> number letter direction
#> 1 1 a north
#> 2 2 b east
#> 3 3 c south
#> 4 4 d west
df[, c(3, 1, 2)]
#> direction number letter
#> 1 north 1 a
#> 2 east 2 b
#> 3 south 3 c
#> 4 west 4 d- negative integer（排除指定位置的 element）。
不考虑维度
m1 <- matrix(c(5, 6, 7,8), nrow = 2, ncol = 2)
m1
#> [,1] [,2]
#> [1,] 5 7
#> [2,] 6 8
m1[-4]
#> [1] 5 6 7
m1[c(-1, -3)]
#> [1] 6 8考虑维度
m1 <- matrix(1:16, nrow = 4, ncol = 4)
m1
#> [,1] [,2] [,3] [,4]
#> [1,] 1 5 9 13
#> [2,] 2 6 10 14
#> [3,] 3 7 11 15
#> [4,] 4 8 12 16
m1[c(-1, -4), c(-2, -3)]
#> [,1] [,2]
#> [1,] 2 14
#> [2,] 3 15和 positive integer 一样，negative integer 也支持一个数字重复多次的用法，相当于多次排除相同的指定 element，但无意义。
m1 <- matrix(1:16, nrow = 4, ncol = 4)
m1
#> [,1] [,2] [,3] [,4]
#> [1,] 1 5 9 13
#> [2,] 2 6 10 14
#> [3,] 3 7 11 15
#> [4,] 4 8 12 16
m1[c(-1, -1), c(-2, -2)]
#> [,1] [,2] [,3]
#> [1,] 2 10 14
#> [2,] 3 11 15
#> [3,] 4 12 16此外，negative integer 不可以和 positive integer 一起混用。
m1 <- matrix(1:16, nrow = 4, ncol = 4)
m1
#> [,1] [,2] [,3] [,4]
#> [1,] 1 5 9 13
#> [2,] 2 6 10 14
#> [3,] 3 7 11 15
#> [4,] 4 8 12 16
m1[c(1, -4), c(2, -3)]
#> Error in m1[c(1, -4), c(2, -3)]: only 0's may be mixed with negative subscripts- logical（取出指定位置的 element）。
不考虑维度
使用一个和 object 相同长度的 logical vector，TRUE表示将 object 该位置上的 element 取出来，FALSE则相反。
m1 <- matrix(c(5, 6, 7,8), nrow = 2, ncol = 2)
m1
#> [,1] [,2]
#> [1,] 5 7
#> [2,] 6 8
m1[c(TRUE, FALSE, TRUE, FALSE)]
#> [1] 5 7和 integer 的情况不同，如果object[]中 logical vector 的长度比 object 短，就会触发 recycling rule,（详见7.2.2），导致取出预期之外的 element，这一点需要特别注意，容易导致代码出错：
m1 <- matrix(c(5, 6, 7,8), nrow = 2, ncol = 2)
m1
#> [,1] [,2]
#> [1,] 5 7
#> [2,] 6 8
m1[TRUE] # 等价于 m1[c(TRUE, TRUE, TRUE, TRUE)]
#> [1] 5 6 7 8考虑维度
m1 <- matrix(1:16, nrow = 4, ncol = 4)
m1
#> [,1] [,2] [,3] [,4]
#> [1,] 1 5 9 13
#> [2,] 2 6 10 14
#> [3,] 3 7 11 15
#> [4,] 4 8 12 16
m1[c(TRUE, FALSE, TRUE, FALSE), c(FALSE, TRUE, TRUE, FALSE)] # 等价于 m1[c(1, 3), c(2, 2)]
#> [,1] [,2]
#> [1,] 5 9
#> [2,] 7 11- 空白（取出所有 elements）。
不考虑维度
m1 <- matrix(1:16, nrow = 4, ncol = 4)
m1
#> [,1] [,2] [,3] [,4]
#> [1,] 1 5 9 13
#> [2,] 2 6 10 14
#> [3,] 3 7 11 15
#> [4,] 4 8 12 16
m1[]
#> [,1] [,2] [,3] [,4]
#> [1,] 1 5 9 13
#> [2,] 2 6 10 14
#> [3,] 3 7 11 15
#> [4,] 4 8 12 16考虑维度（取出指定维度下的所有 elements）
9.3.2.2 Few caveats
- 取子集时和 name 有关的 attribute 会保留。
m1 <- matrix(1:16, nrow = 4, ncol = 4)
rownames(m1) <- 1:4
colnames(m1) <- 1:4
m1
#> 1 2 3 4
#> 1 1 5 9 13
#> 2 2 6 10 14
#> 3 3 7 11 15
#> 4 4 8 12 16
m1[c(4, 3, 2, 1), ]
#> 1 2 3 4
#> 4 4 8 12 16
#> 3 3 7 11 15
#> 2 2 6 10 14
#> 1 1 5 9 13- data.frame 由于其 element 是列，所以按行 subsetting 出来是 data.frame，可能会导致无法进行部分数值运算，如
mean()：
df <- data.frame(score_last = c(99, 100, 87), score_current = c(96, 98, 77))
mean(df[2, ])
#> Warning in mean.default(df[2, ]): argument is not numeric
#> or logical: returning NA
#> [1] NA
is.numeric(df) # is.numeric returns TRUE if its argument is of mode "numeric" (type "double" or type "integer") and not a factor, and FALSE otherwise.
#> [1] FALSE
typeof(df)
#> [1] "list"
is.numeric(df[1, ])
#> [1] FALSE9.3.2.3 Name
- 无维度
vector：
v1 <- c(1, 2, 3, 4)
names(v1) <- c("v1", "v2", "v3", "v4")
v1
#> v1 v2 v3 v4
#> 1 2 3 4
v1[c("v1", "v3", "v4")]
#> v1 v3 v4
#> 1 3 4- 有维度
matrix：
m1 <- matrix(1:16, nrow = 4, ncol = 4)
dimnames(m1) <- list(c("r1", "r2", "r3", "r4"), c("c1", "c2", "c3", "c4"))
m1
#> c1 c2 c3 c4
#> r1 1 5 9 13
#> r2 2 6 10 14
#> r3 3 7 11 15
#> r4 4 8 12 16
m1[c("r1", "r4"), c("c2", "c3")]
#> c2 c3
#> r1 5 9
#> r4 8 12重复某一个名字，和重复 positive integer 是一样的效果，提取相同的内容然后拼接，就不展示例子了。
取多个 elements 时，以上 4 种 index 可以根据需要任意组合使用，例如：
m1 <- matrix(1:16, nrow = 4, ncol = 4)
dimnames(m1) <- list(c("r1", "r2", "r3", "r4"), c("c1", "c2", "c3", "c4"))
m1
#> c1 c2 c3 c4
#> r1 1 5 9 13
#> r2 2 6 10 14
#> r3 3 7 11 15
#> r4 4 8 12 16
m1[c(TRUE, TRUE, FALSE, FALSE), ]
#> c1 c2 c3 c4
#> r1 1 5 9 13
#> r2 2 6 10 14
m1[c(-1, -3), c("c2", "c4")]
#> c2 c4
#> r2 6 14
#> r4 8 169.3.3 Recap
list 和 data.frame 中 element 指结构上的单个记录，其他 structure types 中 element 指内容上的单个记录；
取多个 elements 时，和 name （如行名、列名、维度名等）有关的 attribute 会保留；
- Subsetting operators 的总结如下图所示：
list 和 data.frame 取单个元素时，
[[]]和$或@的结果一致，但[[]]和[]的结果不一致；使用 logical vector 来取多个元素时，一定要注意：
- 不考虑维度，logical vector 的长度要和 object 一致；
- 考虑维度，logical vector 的长度要和对应维度的数量（如行数、列数）一致。
9.4 Advanced usage of subsetting operators
Subsetting 的基本用法很好掌握，但如果只会写基本用法，代码就会很冗长，不够简洁。例如需要把矩阵中所有大于 1 的数找出来：
m1 <- matrix(c(0.5, 0.1, 0.8, 0.25), nrow = 2, ncol = 2)
m1
#> [,1] [,2]
#> [1,] 0.5 0.80
#> [2,] 0.1 0.25
is_larger_than_3 <- m1 > 0.3
m1_larger_than_3 <- m1[is_larger_than_3]
m1_larger_than_3
#> [1] 0.5 0.8熟悉了基本用法后，可以使用进阶写法，即将多个操作写在同一行的方式简化代码：
m1 <- matrix(c(0.5, 0.1, 0.8, 0.25), nrow = 2, ncol = 2)
m1
#> [,1] [,2]
#> [1,] 0.5 0.80
#> [2,] 0.1 0.25
m1_larger_than_3 <- m1[m1 > 0.3]
m1_larger_than_3
#> [1] 0.5 0.89.4.1 Basic formula
进阶用法主要体现在灵活运用[]上。[]的使用语法为object[index]，即对象[索引]，容易看出，这个结构里面可以改动的部分实际上就只有object和index，进阶用法的基本思路就体现在如何改动这两个部分上。
-
object[index]中的object
基本用法：
进阶用法：object可以是语句，代表一步或多步操作，执行结果是一个 anonymous object：
df <- data.frame(
number = c(1, 2, 3, 4),
letter = c("a", "b", "c", "d"),
direction = c("north", "east", "south", "west")
)
df
#> number letter direction
#> 1 1 a north
#> 2 2 b east
#> 3 3 c south
#> 4 4 d west
names(df)[c(2, 3)]
#> [1] "letter" "direction"
df[c(2, 3), ][-1]
#> letter direction
#> 2 b east
#> 3 c south-
object[index]中的index（重点）
基本用法：positive integer，negative integer，logical vector，空白，character
进阶用法：通过代码生成符合要求的 index，主要是 positive integer 和 logical vector。
例如，将下面的数据中所有非缺失值取出来：
m1 <- matrix(
c(
NA, 2, 3, 4,
5, NA, 7, 8,
9, 10, NA, 12,
13, 14, 15, NA
),
nrow = 4, ncol = 4
)
m1
#> [,1] [,2] [,3] [,4]
#> [1,] NA 5 9 13
#> [2,] 2 NA 10 14
#> [3,] 3 7 NA 15
#> [4,] 4 8 12 NA
is.na(m1)
#> [,1] [,2] [,3] [,4]
#> [1,] TRUE FALSE FALSE FALSE
#> [2,] FALSE TRUE FALSE FALSE
#> [3,] FALSE FALSE TRUE FALSE
#> [4,] FALSE FALSE FALSE TRUE
!is.na(m1)
#> [,1] [,2] [,3] [,4]
#> [1,] FALSE TRUE TRUE TRUE
#> [2,] TRUE FALSE TRUE TRUE
#> [3,] TRUE TRUE FALSE TRUE
#> [4,] TRUE TRUE TRUE FALSE
m1[!is.na(m1)]
#> [1] 2 3 4 5 7 8 9 10 12 13 14 15
matrix(m1[!is.na(m1)], nrow = 3, ncol = 4)
#> [,1] [,2] [,3] [,4]
#> [1,] 2 5 9 13
#> [2,] 3 7 10 14
#> [3,] 4 8 12 15这种写法的本质，是通过使用一些 function 操作来产生目标 index，然后再使用这些 index 完成 subsetting。上述例子中需要完成的操作：
- 判断每一个 element 是不是缺失值（
is.na()）， - 然后把不是缺失值的 element 找出来
!，并生成最终的 logical vector，其中，TRUE代表非缺失，FALSE代表缺失， - 最后使用该 logical vector 作为 index ，结合
[]取出符合条件的所有 elements。
将所有这些步骤糅合到一起写，实现了 1 行代码搞定相对复杂的任务。
一旦熟悉了这种写法，只要掌握一些常用操作所对应的 function，多加练习就可以灵活运用，写出非常简洁高效的代码。