第 9 章 子集选取

子集选取单独作一章,说明它确实很重要。

上一章讲对象、数据类型和数据结构等概念。为了方便理解,我这里打个比方, 对象就是我们在计算机里新建了存储空间,好比一个盒子, 我们可以往盒子里面装东西(赋值),可以查看里面的内容或者对里面的内容做计算(函数),也可以从盒子里取出部分东西(子集选取)。

子集选取,就是从盒子里取东西出来3

9.1 向量

对于原子型向量,我们有至少四种选取子集的方法

x <- c(1.1, 2.2, 3.3, 4.4, 5.5)
  • 正整数: 指定向量元素中的位置
x[1]
## [1] 1.1
x[c(1, 3)]
## [1] 1.1 3.3
x[c(3, 1)]
## [1] 3.3 1.1
  • 负整数:删除指定位置的元素
x[-2]
## [1] 1.1 3.3 4.4 5.5
x[c(-3, -4)]
## [1] 1.1 2.2 5.5
  • 逻辑向量:将TRUE对应位置的元素提取出来
x[c(TRUE, FALSE, TRUE, FALSE, TRUE)]
## [1] 1.1 3.3 5.5

常用的一种情形;筛选出大于某个值的所有元素

x > 3
## [1] FALSE FALSE  TRUE  TRUE  TRUE
x[x > 3]
## [1] 3.3 4.4 5.5
  • 如果是命名向量
y <- c("a" = 11, "b" = 12, "c" = 13, "d" = 14)
y
##  a  b  c  d 
## 11 12 13 14

我们可以用命名向量,返回其对应位置的向量

y[c("d", "c", "a")]
##  d  c  a 
## 14 13 11

9.2 列表

对列表取子集,和向量的方法一样。向量的子集仍然是向量,使用[提取列表的子集,总是返回列表

l <- list(
  "one"   = c("a", "b", "c"),
  "two"   = c(1:5),
  "three" = c(TRUE, FALSE)
)
l
## $one
## [1] "a" "b" "c"
## 
## $two
## [1] 1 2 3 4 5
## 
## $three
## [1]  TRUE FALSE

使用位置索引

l[1]
## $one
## [1] "a" "b" "c"

也可以使用元素名

l["one"]
## $one
## [1] "a" "b" "c"

如果想提取列表某个元素的值,需要使用 [[

l[[1]]
## [1] "a" "b" "c"

也可以使用其中的元素名,比如[["one"]]

l[["one"]]
## [1] "a" "b" "c"

取出one位置上的元素,需要写[["one"]],程序员觉得要写太多的字符了,太麻烦了,所以用$来简写

l$one
## [1] "a" "b" "c"

所以请记住

  • [[[的区别
  • x$yx[["y"]]的简写

9.3 矩阵

a <- matrix(1:9, nrow = 3)
a
##      [,1] [,2] [,3]
## [1,]    1    4    7
## [2,]    2    5    8
## [3,]    3    6    9

我们取第1行到第2行的2-3列,[1:2, 2:3],中间以逗号分隔,于是得到一个新的矩阵

a[1:2, 2:3]
##      [,1] [,2]
## [1,]    4    7
## [2,]    5    8

默认情况下, [ 会将获取的数据,以尽可能低的维度形式呈现。比如

a[1, 1:2]
## [1] 1 4

表示第1行的第1、2列,此时不是\(1 \times 2\)矩阵,而是包含了两个元素的向量。 以尽可能低的维度形式呈现,换句话说,这个1, 4长的像个矩阵,又有点像向量,向量的维度比矩阵低,那就是向量吧。

有些时候,我们想保留所有的行或者列,比如

  • 行方向,只选取第 1 行到第 2 行
  • 列方向,选取所有列

可以这样简写

a[1:2, ]
##      [,1] [,2] [,3]
## [1,]    1    4    7
## [2,]    2    5    8

对于下面这种情况,想想,会输出什么

a[, ]
##      [,1] [,2] [,3]
## [1,]    1    4    7
## [2,]    2    5    8
## [3,]    3    6    9

可以再简化点?

a[]
##      [,1] [,2] [,3]
## [1,]    1    4    7
## [2,]    2    5    8
## [3,]    3    6    9

是不是可以再简化点?

a
##      [,1] [,2] [,3]
## [1,]    1    4    7
## [2,]    2    5    8
## [3,]    3    6    9

9.4 数据框

数据框具有list和matrix的双重属性,因此

  • 当选取数据框的某几列的时候,可以和list一样,指定元素位置索引,比如df[1:2]选取前两列
  • 也可以像矩阵一样,按照行和列的标识选取,比如df[1:3, ]选取前三行的所有列
df <- data.frame(
  x = 1:4,
  y = 4:1,
  z = c("a", "b", "c", "d")
)
df
##   x y z
## 1 1 4 a
## 2 2 3 b
## 3 3 2 c
## 4 4 1 d

9.4.1 Like a list

df[1:2]
##   x y
## 1 1 4
## 2 2 3
## 3 3 2
## 4 4 1
df[c("x", "z")]
##   x z
## 1 1 a
## 2 2 b
## 3 3 c
## 4 4 d
df[["x"]]
## [1] 1 2 3 4
df$x
## [1] 1 2 3 4

9.4.2 Like a matrix

df[, c("x", "z")]
##   x z
## 1 1 a
## 2 2 b
## 3 3 c
## 4 4 d

也可以通过行和列的位置

df[1:3, ]
##   x y z
## 1 1 4 a
## 2 2 3 b
## 3 3 2 c

当遇到单行或单列的时候,也和矩阵一样,数据会降维

df[, "x"]
## [1] 1 2 3 4

如果想避免降维,需要多写一句话

df[, "x", drop = FALSE]
##   x
## 1 1
## 2 2
## 3 3
## 4 4

这样输出的还是矩阵形式,但程序员总是偷懒的,有时候我们也容易忘记写drop = FALSE, 所以我比较喜欢下面的tibble.

9.5 增强型数据框

tibble是增强型的data.frame,选取tibble的行或者列,即使遇到单行或者单列的时候,数据也不会降维,总是返回tibble,即仍然是数据框的形式。

tb <- tibble::tibble(
  x = 1:4,
  y = 4:1,
  z = c("a", "b", "c", "d")
)
tb
## # A tibble: 4 × 3
##       x     y z    
##   <int> <int> <chr>
## 1     1     4 a    
## 2     2     3 b    
## 3     3     2 c    
## 4     4     1 d
tb["x"]
## # A tibble: 4 × 1
##       x
##   <int>
## 1     1
## 2     2
## 3     3
## 4     4
tb[, "x"]
## # A tibble: 4 × 1
##       x
##   <int>
## 1     1
## 2     2
## 3     3
## 4     4

除此以外,tibble还有很多优良的特性,我们会在第 19 章专门讲

9.6 作业

  1. 如何获取matrix(1:9, nrow = 3)上对角元? 对角元?

  2. 对数据框,思考df["x"]df[["x"]]df$x三者的区别?

  3. 如果x是一个矩阵,请问 x[] <- 0x <- 0 有什么区别?

  4. 不添加参数na.rm = TRUE的前提下,用sum()计算向量x的元素之和

x <- c(3, 5, NA, 2, NA)

提示:

  • 使用is.na(x) 检查向量元素是否为缺失值,并保存为新的对象x_missing
  • 将所有缺失值赋值为0
  • 然后 sum() 计算
  1. 找出x向量中的偶数
x <- 1:10
x
##  [1]  1  2  3  4  5  6  7  8  9 10