分享

R语言笔记3:提取R对象的子集

 萌小芊 2018-03-13


R语言基础系列前情提要:



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唯一,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:

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

  2. > x[2]            ## 提取第二个元素

  3. [1] 'b'

  4. > x[1:4]          ## 提取连续多个元素

  5. [1] 'a' 'b' 'c' 'c'

  6. > x[c(1, 3, 4)]   ## 提取不连续的多个元素

  7. [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. > ## 三种方法提取第一个元素

  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']]                 ## 参数默认为精确匹配

  5. NULL

  6. > x[['a', exact = FALSE]]  ## 参数设置为不精确匹配

  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. https:///rdpeng/rprogdatascience/R Programming for Data Science

  2. 《R语言实战》 Robert I. Kabacoff

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多