使用带有 $ 的逻辑向量对数据帧进行子集

Question

我在理解 R 中的 data.frame 子集时 $ 符号的使用原因和行为都遇到了困难。提供了以下示例在我正在上的初学者课程中（不是现场教授，所以不能在那里问）：

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

调用temp_df 显然输出：

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

课程中给出的例子是：

temp_df[temp_df$c < 10]

哪些输出：

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

使用原因问题：课程指出$用于部分匹配，x$y是x[["y", exact=FALSE]]的完全替代。为什么我们要在这里使用部分匹配运算符？我们使用它是因为我们确定在我们的temp_df 中没有其他类似于“c”的列可能会被错误地拾取吗？此外，如何衡量部分匹配？至少 % 的字符匹配或什么？似乎有一个getElement 函数，如果处理具有未知或相似列名的数据集（例如，家庭电话与手机，这些会被视为有效的部分匹配吗？）

行为问题：上面的示例 temp_df[temp_df$c < 10] 似乎是在说“从 temp_df 中返回 c 列小于 10 的元素子集”，并且由于所有 c 列元素都符合条件，因此返回整个数据框。我的解释显然是错误的，因为temp_df[temp_df$c < 9] 返回：

  a b
1 1 4
2 2 5
3 3 6

虽然 c 列中的第 1 行和第 2 行元素确实满足小于 9 的条件，但整个列都被省略了。然后我的问题就变成了双重问题：那个逻辑向量实际上在说/在做什么？以及我将如何编写我对“从 temp_df 中返回 c 列小于 9 的元素子集”的解释并让它返回：

  a b c
1 1 4 7
2 2 5 8

因为在我看来，元素 1 和 2（第 1 行和第 2 行）满足该标准，因为它们的 c 列值小于 9，因此应该返回。

Answer 1

$ 和 [[ 都是 extract 运算符，允许按名称提取元素。

OP 提出了一个关于 exact 参数行为的查询。 [[ 运算符的 exact 参数已在 RStudio 中记录为：

控制 [[ 提取时可能的部分匹配 字符向量（对于大多数对象，但请参阅“环境”下）。这 默认是没有部分匹配。值 NA 允许部分匹配，但 发生时发出警告。值 FALSE 允许部分匹配 没有任何警告。

这是什么意思？要了解其行为，让我们将 OP 使用的 data.frame 的 column names 更改为：

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' 

Answer 2

尝试分步分解操作。

temp_df$c < 9

给出一个向量如下：

[1]  TRUE  TRUE FALSE

当您以您显示的方式传递此向量时： temp_df[c(TRUE, TRUE, FALSE)] 具有对列进行操作的效果。

将data.frame 视为一个列表，列名作为键，列内容作为向量值。该操作保留 TRUE 键（即列）并删除 FALSE。

逗号用于将向量标记为行索引。前两行被保留，最后一行被删除。因此，temp_df[c(TRUE, TRUE, FALSE), ] 给出：

  a b c
1 1 4 7
2 2 5 8