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

[ 和[[的区别
x$y 是 x[["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？

##      [,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

如何获取matrix(1:9, nrow = 3)上对角元? 对角元？
对数据框，思考df["x"]， df[["x"]]， df$x三者的区别?
如果x是一个矩阵，请问 x[] <- 0 和x <- 0 有什么区别？
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

找出x向量中的偶数

x <- 1:10
x

##  [1]  1  2  3  4  5  6  7  8  9 10

8 函数应用

10 可重复性文档

第 9 章 子集选取