【R语言】从不同数据结构中取子集(二)

作者: 巩翔宇Ibrahimovic | 来源:发表于2022-04-24 22:56 被阅读0次

【R语言】从不同数据结构中取子集(二)
【R语言】从不同数据结构中取子集(一)
R语言基础之第二部分操纵数据/取子集
R语言-0基础学习4-实战1-常见操作
R语言subset()函数取子集无法改变因子水平数
哈佛R语言课程--5.数据框、矩阵、列表取子集
学习小组day5笔记
初识R语言—排序和选取子集
《学习小组Day5笔记--寒鹤》
生信学习小组Day5笔记-lamyusam_

写在前面
紧接上一版，分两版的目的是，一号是初级，二号是进阶。(写太长了，容易让人丧失阅读兴趣)

1.提取单一成分

[[用于提取单一成分，而x$y是x[["y"]]的简写。

1.1 [[

[作用于列表时，会返回一个更小的列表，而[[能提取元素。
示例：

x <- list(1:3, "a", 4:6)

书中以火车的车厢进行了举例。

image.png

image.png
当提取多个元素的时候：

image.png
x[[c(1, 2)]]等同于x[[1]][[2]]。

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

> x[[1]][[2]]
[1] 2

1.2 $

x$y`是x[["y"]]的简写。
示例

var <- "cyl"

mtcars$var
#> NULL

mtcars[[var]]
#>  [1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4

#上条命令也就等同于
> mtcars[["cyl"]]
 [1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4

[[和$一个不同点是，$支持部分匹配，如

x <- list(abc = 1)
x$a
#> [1] 1
x[["a"]]
#> NULL

为了提醒读者发生了部分匹配，作者建议使用options(warnPartialMatchDollar = TRUE)。

options(warnPartialMatchDollar = TRUE)
x$a
#> Warning in x$a: partial match of 'a' to 'abc'
#> [1] 1

1.3 丢失和超出界限的指数

[purrr::pluck()]和[purrr::chuck()]的引入。

x <- list(
  a = list(1, 2, 3),
  b = list(3, 4, 5)
)

purrr::pluck(x, "a", 1)
#> [1] 1

purrr::pluck(x, "c", 1)
#> NULL

purrr::pluck(x, "c", 1, .default = NA)
#> [1] NA

2.子集和再赋值

再赋值的基本格式是x[i] <- value。

x <- 1:5
x[c(1, 2)] <- c(101, 102)
x
#> [1] 101 102   3   4   5

可以使用x[[i]] <- NULL来移去列表的子集；而要添加一个字面意义上的“NULL”，则x[i] <- list(NULL)。

x <- list(a = 1, b = 2)
x[["b"]] <- NULL
str(x)
#> List of 1
#>  $ a: num 1

y <- list(a = 1, b = 2)
y["b"] <- list(NULL)
str(y)
#> List of 2
#>  $ a: num 1
#>  $ b: NULL

3. 应用

3.1 查询表(字符匹配)

x <- c("m", "f", "u", "f", "f", "m", "m")
lookup <- c(m = "Male", f = "Female", u = NA)
lookup[x]
#>        m        f        u        f        f        m        m 
#>   "Male" "Female"       NA "Female" "Female"   "Male"   "Male"

如果想在输出结果中去掉名字，则使用unname()。

unname(lookup[x])
#> [1] "Male"   "Female" NA       "Female" "Female" "Male"   "Male"

3.2 匹配相同的

示例：

grades <- c(1, 2, 2, 3, 1)

info <- data.frame(
  grade = 3:1,
  desc = c("Excellent", "Good", "Poor"),
  fail = c(F, F, T)
)

假设我们手里有一些成绩(grades)，我们想知道这些成绩对应的评价(info)是什么，我们可以使用match()来获取grades在info的位置。

id <- match(grades, info$grade)
id
#> [1] 3 2 2 1 3

根据位置提取元素。

info[id, ]
#>     grade      desc  fail
#> 3       1      Poor  TRUE
#> 2       2      Good FALSE
#> 2.1     2      Good FALSE
#> 1       3 Excellent FALSE
#> 3.1     1      Poor  TRUE

3.3 排序

x <- c("b", "c", "a")
order(x)
#> [1] 3 1 2
x[order(x)]
#> [1] "a" "b" "c"

如果要打破顺序，可以用decreasing = TRUE；默认情况下，NA会排在末尾，可以设置na.last=NA将NA去掉；或者设置na.last=F，将其排在前面。

如果要将数据框的某一行内容复制多次，可以借助rep()来实现。

df <- data.frame(x = c(2, 4, 1), y = c(9, 11, 6), n = c(3, 5, 1))
rep(1:nrow(df), df$n) #分别复制1、2、3，3次、5次、1次。
#> [1] 1 1 1 2 2 2 2 2 3


df[rep(1:nrow(df), df$n), ]
#>     x  y n
#> 1   2  9 3
#> 1.1 2  9 3
#> 1.2 2  9 3
#> 2   4 11 5
#> 2.1 4 11 5
#> 2.2 4 11 5
#> 2.3 4 11 5
#> 2.4 4 11 5
#> 3   1  6 1

3.4 移去数据框的某列

通过赋值NULL来删除。

df <- data.frame(x = 1:3, y = 3:1, z = letters[1:3])
df$z <- NULL

只提取想要的列。

df <- data.frame(x = 1:3, y = 3:1, z = letters[1:3])
df[c("x", "y")]
#>   x y
#> 1 1 3
#> 2 2 2
#> 3 3 1

排除掉不想要的列。

df[setdiff(names(df), "z")]
#>   x y
#> 1 1 3
#> 2 2 2
#> 3 3 1

3.5 基于条件的选择行

通过设定列的值来选取行内容。

mtcars[mtcars$gear == 5, ]
#>                 mpg cyl  disp  hp drat   wt qsec vs am gear carb
#> Porsche 914-2  26.0   4 120.3  91 4.43 2.14 16.7  0  1    5    2
#> Lotus Europa   30.4   4  95.1 113 3.77 1.51 16.9  1  1    5    2
#> Ford Pantera L 15.8   8 351.0 264 4.22 3.17 14.5  0  1    5    4
#> Ferrari Dino   19.7   6 145.0 175 3.62 2.77 15.5  0  1    5    6
#> Maserati Bora  15.0   8 301.0 335 3.54 3.57 14.6  0  1    5    8

mtcars[mtcars$gear == 5 & mtcars$cyl == 4, ]
#>                mpg cyl  disp  hp drat   wt qsec vs am gear carb
#> Porsche 914-2 26.0   4 120.3  91 4.43 2.14 16.7  0  1    5    2
#> Lotus Europa  30.4   4  95.1 113 3.77 1.51 16.9  1  1    5    2

&，|的使用。

!(X & Y) is the same as !X | !Y
!(X | Y) is the same as !X & !Y

3.6 逻辑赋值

which() 快速找到第一个或最后一个“T”；在面对较少的“T”和较多的“F”时也同样发挥作用。

x <- sample(10) < 4
which(x)
#> [1] 2 3 4

通过定义函数的方式找到“TRUE”并重新赋值。

unwhich <- function(x, n) {
  out <- rep_len(FALSE, n)
  out[x] <- TRUE
  out
}
unwhich(which(x), 10)
#>  [1] FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE

输出满足条件的向量，%%意为整除。

(x1 <- 1:10 %% 2 == 0)
#>  [1] FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE
(x2 <- which(x1))
#> [1]  2  4  6  8 10
(y1 <- 1:10 %% 5 == 0)
#>  [1] FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE
(y2 <- which(y1))
#> [1]  5 10

取X和Y的交集；输出交集的元素。

# X & Y <-> intersect(x, y)
x1 & y1
#>  [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE
intersect(x2, y2)
#> [1] 10

取X和Y的并集；输出并集的元素。

# X | Y <-> union(x, y)
x1 | y1
#>  [1] FALSE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE FALSE  TRUE
union(x2, y2)
#> [1]  2  4  6  8 10  5

取x和Y补集的交集

# X & !Y <-> setdiff(x, y)
x1 & !y1
#>  [1] FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE
setdiff(x2, y2)
#> [1] 2 4 6 8

去掉X、Y并集与X、Y交集的交集。

# xor(X, Y) <-> setdiff(union(x, y), intersect(x, y))
xor(x1, y1)
#>  [1] FALSE  TRUE FALSE  TRUE  TRUE  TRUE FALSE  TRUE FALSE FALSE
setdiff(union(x2, y2), intersect(x2, y2))
#> [1] 2 4 6 8 5

Short

Positive integers select elements at specific positions, negative integers drop elements; logical vectors keep elements at positions corresponding to TRUE; character vectors select elements with matching names.
[ selects sub-lists: it always returns a list. If you use it with a single positive integer, it returns a list of length one. [[ selects an element within a list. $ is a convenient shorthand: x$y is equivalent to x[["y"]].
Use drop = FALSE if you are subsetting a matrix, array, or data frame and you want to preserve the original dimensions. You should almost always use it when subsetting inside a function.
If x is a matrix, x[] <- 0 will replace every element with 0, keeping the same number of rows and columns. In contrast, x <- 0 completely replaces the matrix with the value 0.
A named character vector can act as a simple lookup table: c(x = 1, y = 2, z = 3)[c("y", "z", "x")]