为什么`[`比`subset`好？

Question

当我需要过滤一个data.frame，即提取满足特定条件的行时，我更喜欢使用subset函数：

subset(airquality, Month == 8 & Temp > 90)

而不是[函数：

airquality[airquality$Month == 8 & airquality$Temp > 90, ]

我偏爱的主要原因有两个：

1. 我发现代码从左到右读起来更好。即使对 R 一无所知的人也能知道上面的 subset 语句在做什么。

2. 因为在select 表达式中列可以被称为变量，所以我可以省去一些击键。在我上面的例子中，我只需用subset 输入一次airquality，但用[ 输入3 次。

所以我过着幸福的生活，到处使用subset，因为它更短且可读性更好，甚至向我的 R 程序员同伴宣传它的美感。但是昨天我的世界分崩离析。在阅读subset 文档时，我注意到这一部分：

警告

这是一个旨在以交互方式使用的便利功能。对于编程来说，最好使用像 [ 这样的标准子集函数，特别是参数子集的非标准评估可能会产生意想不到的后果。

有人可以帮助澄清作者的意思吗？

首先，“交互式使用”是什么意思？我知道什么是交互式会话，而不是在 BATCH 模式下运行的脚本，但我看不出它应该有什么不同。

那么，您能否解释一下“参数子集的非标准评估”以及为什么它是危险的，可以提供一个例子吗？

Answer 1

@James 在 cmets 中很好地回答了这个问题，并指出 Hadley Wickham 对 subset（以及类似的函数） [here] 的危险性做出了很好的解释。去读吧！

读起来有点长，所以在这里记录一下 Hadley 使用的最直接解决“什么可能出错？”的问题的例子可能会有所帮助：

Hadley 建议使用以下示例：假设我们要使用以下函数对数据框进行子集化然后重新排序：

scramble <- function(x) x[sample(nrow(x)), ]

subscramble <- function(x, condition) {
  scramble(subset(x, condition))
}

subscramble(mtcars, cyl == 4)

这会返回错误：

eval(expr, envir, enclos) 中的错误：找不到对象“cyl”

因为 R 不再“知道”在哪里可以找到名为 'cyl' 的对象。他还指出，如果在全球环境中偶然有一个名为“cyl”的物体，可能会发生真正奇怪的事情：

cyl <- 4
subscramble(mtcars, cyl == 4)

cyl <- sample(10, 100, rep = T)
subscramble(mtcars, cyl == 4)

（运行它们自己看看，这太疯狂了。）

Answer 2

另外[ 更快：

require(microbenchmark)        
microbenchmark(subset(airquality, Month == 8 & Temp > 90),airquality[airquality$Month == 8 & airquality$Temp > 90,])
    Unit: microseconds
                                                           expr     min       lq   median       uq     max neval
                     subset(airquality, Month == 8 & Temp > 90) 301.994 312.1565 317.3600 349.4170 500.903   100
     airquality[airquality$Month == 8 & airquality$Temp > 90, ] 234.807 239.3125 244.2715 271.7885 340.058   100