R语言笔记3：提取R对象的子集

2020-06-16 00:00:00 元素 提取 向量 括号 子集

作者：圈圈，R语言中文社区专栏作者
来源公众号：宏基因组


Subsetting R Objects
取子集的三种基本方法

  • [ ：“单方括号”返回的对象和原来相同，如向量的子集还是向量；也可用于在对象中选择多个元素
  • [ [：“双方括号”仅可用于提取单一元素，并且用来提取列表或者数据框中的元素，但是，由于列表或者数据框中的元素类别不，因此它返回对象的类型不一定是列表或者数据框
  • $ ：“美元符号”是提取有名字的列表或数据框中的一个元素

（一）向量取子集
举例

  1. 单括号+数字索引：
  2. > x <- c("a", "b", "c", "c", "d", "a")
  3. > x[2] ## 提取第二个元素
  4. [1] "b"
  5. > x[1:4] ## 提取连续多个元素
  6. [1] "a" "b" "c" "c"
  7. > x[c(1, 3, 4)] ## 提取不连续的多个元素
  8. [1] "a" "c" "c"


2.单括号+逻辑索引（按字母排序）：


  1. > x <- c("a", "b", "c", "c", "d", "a")

  2. > x[x > "a"] ## 提取首字母排序大于a的元素

  3. [1] "b" "c" "c" "d"


3.创建逻辑向量


  1. > u <- x > "a"

  2. > u

  3. [1] FALSE TRUE TRUE TRUE TRUE FALSE

  4. > x[u]

  5. [1] "b" "c" "c" "d"


（二）矩阵取子集
矩阵取子集可通过行索引和列索引来完成。
例如以下2*3的矩阵


  1. > x <- matrix(1:6, 2, 3)

  2. > x

  3. [,1] [,2] [,3]

  4. [1,] 1 3 5

  5. [2,] 2 4 6

  6. > x[1, 2]

  7. [1] 3

  8. > x[, 1]

  9. [1] 1 2

  10. > x[1, 2, drop = FALSE] ## 修改drop参数，返回矩阵形式

  11. [,1]

  12. [1,] 3

  13. > x[, 1, drop = FALSE]

  14. [,1]

  15. [1,] 1

  16. [2,] 2


（三）列表取子集
列表取子集既可以使用“[”，"[["，也可以使用“$”


  1. > ## 创建一个含有两个元素的列表

  2. > x <- list(foo = 1:4, bar = 0.6)

  3. > x

  4. $foo

  5. [1] 1 2 3 4

  6. $bar

  7. [1] 0.6

  8. > ## 三种方法提取个元素

  9. > x[1] ## 单方括号返回的也是一个列表

  10. $foo

  11. [1] 1 2 3 4

  12. > x[[1]]

  13. [1] 1 2 3 4

  14. > x$foo

  15. [1] 1 2 3 4


列表取子集方法的好处是不需要记住顺序，只要有名字就可以。
但是如果要从列表中提取多个元素，只能使用单方括号（双方括号和美元符号只能提取单个元素），并且知道顺序。


  1. > x <- list(foo = 1:4, bar = 0.6, baz = "hello")

  2. > x[c(1, 3)]

  3. $foo

  4. [1] 1 2 3 4

  5. $baz

  6. [1] "hello"


双方括号和美元符号的区别：
美元符号必须是列表中存在的元素名；
双方括号可以是后续再次赋值变量之后的


  1. > x <- list(foo = 1:4, bar = 0.6, baz = "hello")

  2. > name <- "foo"

  3. >

  4. > ## computed index for "foo"

  5. > x[[name]]

  6. [1] 1 2 3 4

  7. >

  8. > ## element "name" doesn’t exist! (but no error here)

  9. > x$name

  10. NULL

  11. >

  12. > ## element "foo" does exist

  13. > x$foo

  14. [1] 1 2 3 4


另外双方括号可以取一个整数数列，不仅仅是一个数字


  1. > x <- list(a = list(10, 12, 14), b = c(3.14, 2.81))

  2. >

  3. > ## Get the 3rd element of the 1st element

  4. > x[[c(1, 3)]]

  5. [1] 14

  6. >

  7. > ## Same as above

  8. > x[[1]][[3]]

  9. [1] 14

  10. >

  11. > ## 1st element of the 2nd element

  12. > x[[c(2, 1)]]

  13. [1] 3.14


（四）模糊匹配
美元符号$和双方括号[[有模糊匹配的功能。可以通过这种方法在命令行快速查找元素。
例：


  1. > x <- list(aardvark = 1:5)

  2. > x$a

  3. [1] 1 2 3 4 5

  4. > x[["a"]] ## 参数默认为匹配

  5. NULL

  6. > x[["a", exact = FALSE]] ## 参数设置为不匹配

  7. [1] 1 2 3 4 5


（五）删除缺失数据和缺失值（NA）
大部分真实数据中包含大量缺失数据，不管是向量、矩阵还是数据框，通过创建一个能够告诉你哪里有缺失值的逻辑向量，从而创建子集来删除它们
is.na() 函数可以找到某个向量中的缺失值，例：


  1. > x <- c(1, 2, NA, 4, NA, 5)

  2. > bad <- is.na(x)

  3. > print(bad)

  4. [1] FALSE FALSE TRUE FALSE TRUE FALSE

  5. > x[!bad] ## !bad表示非缺失值

  6. [1] 1 2 4 5


如果有多个向量、多个对象，NA分布在各个不同地方，目的是去除所有缺失值建立新的子集，可以使用 complete.cases() 函数，如下例：


  1. > x <- c(1, 2, NA, 4, NA, 5)

  2. > y <- c("a", "b", NA, "d", NA, "f")

  3. > good <- complete.cases(x, y)

  4. > good

  5. [1] TRUE TRUE FALSE TRUE FALSE TRUE

  6. > x[good]

  7. [1] 1 2 4 5

  8. > y[good]

  9. [1] "a" "b" "d" "f"


类似地，如果x，y两个向量的缺失值位置不同， complete.cases() 函数则取并集判断缺失位置：


  1. > x <- c(1, 2, NA, 4, NA, 5)

  2. > y <- c("a", "b", NA, NA, "d", "f")

  3. > good <- complete.cases(x, y)

  4. > good

  5. [1] TRUE TRUE FALSE FALSE FALSE TRUE

  6. >

  7. > x[good]

  8. [1] 1 2 5

  9. > y[good]

  10. [1] "a" "b" "f"


complete.cases() 函数也可以用于从数据框中移除缺失值


  1. > ## 创建数据框airquality

  2. > Ozone <- c(41, 36, 12, 18, NA, 28, 13, 15)

  3. > Solar.R <- c(190, 118, 149, 313, NA, NA, 244, 222)

  4. > Wind <- c (7.4, 8.0, 12.1, 11.2, 14.3, 13.9, 14.1, 15.2)

  5. > Temp <- c(67, 72, 74, 62, 56, 66, 22, 33)

  6. > Month <- c(5, 5, 5, 5, 5, 5, 5, 5)

  7. > Day <- c(1, 2, 3, 4, 5, 6, 7, 8)

  8. > airquality <- data.frame(Ozone, Solar.R, Wind, Temp, Month, Day)

  9. > airquality

  10. Ozone Solar.R Wind Temp Month Day

  11. 1 41 190 7.4 67 5 1

  12. 2 36 118 8.0 72 5 2

  13. 3 12 149 12.1 74 5 3

  14. 4 18 313 11.2 62 5 4

  15. 5 NA NA 14.3 56 5 5

  16. 6 28 NA 13.9 66 5 6

  17. 7 13 244 14.1 22 5 7

  18. 8 15 222 15.2 33 5 8

  19. >

  20. > ## 取数据框中的前六行数据

  21. > head(airquality)

  22. Ozone Solar.R Wind Temp Month Day

  23. 1 41 190 7.4 67 5 1

  24. 2 36 118 8.0 72 5 2

  25. 3 12 149 12.6 74 5 3

  26. 4 18 313 11.5 62 5 4

  27. 5 NA NA 14.3 56 5 5

  28. 6 28 NA 14.9 66 5 6

  29. >

  30. > ## 通过创建逻辑向量找到没有缺失数据的行

  31. > good <- complete.cases(airquality)

  32. > head(airquality[good, ])

  33. Ozone Solar.R Wind Temp Month Day

  34. 1 41 190 7.4 67 5 1

  35. 2 36 118 8.0 72 5 2

  36. 3 12 149 12.6 74 5 3

  37. 4 18 313 11.5 62 5 4

  38. 7 23 299 8.6 65 5 7

  39. 8 19 99 13.8 59 5 8


（六）提取某种条件下数据框的子集
如上例：
挑取Ozone列中数值大于18，且Temp数值大于60的数据子集，从该子集中计算Wind数据的平均值


  1. > Ozone <- c(41, 36, 12, 18, NA, 28, 13, 15)

  2. > Solar.R <- c(190, 118, 149, 313, NA, NA, 244, 222)

  3. > Wind <- c (7.4, 8.0, 12.1, 11.2, 14.3, 13.9, 14.1, 15.2)

  4. > Temp <- c(67, 72, 74, 62, 56, 66, 22, 33)

  5. > Month <- c(5, 5, 5, 5, 5, 5, 5, 5)

  6. > Day <- c(1, 2, 3, 4, 5, 6, 7, 8)

  7. > data <- data.frame(Ozone, Solar.R, Wind, Temp, Month, Day)

  8. > data

  9. Ozone Solar.R Wind Temp Month Day

  10. 1 41 190 7.4 67 5 1

  11. 2 36 118 8.0 72 5 2

  12. 3 12 149 12.1 74 5 3

  13. 4 18 313 11.2 62 5 4

  14. 5 NA NA 14.3 56 5 5

  15. 6 28 NA 13.9 66 5 6

  16. 7 13 244 14.1 22 5 7

  17. 8 15 222 15.2 33 5 8

  18. >

  19. > ## 设置条件

  20. > d2 <- data[data$Ozone>18 & data$Temp>60, ]

  21. > d2

  22. Ozone Solar.R Wind Temp Month Day

  23. 1 41 190 7.4 67 5 1

  24. 2 36 118 8.0 72 5 2

  25. 6 28 NA 13.9 66 5 6

  26. > m <- d2$Wind

  27. > m

  28. [1] 7.4 8.0 13.9

  29. > mean(m)

  30. [1] 9.766667



参考资料：

  1. bookdown.org/rdpeng/rpr Programming for Data Science
  2. 《R语言实战》 Robert I. Kabacoff

相关文章