|
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 单括号+数字索引：
> x <- c('a', 'b', 'c', 'c', 'd', 'a')
> x[2] ## 提取第二个元素
[1] 'b'
> x[1:4] ## 提取连续多个元素
[1] 'a' 'b' 'c' 'c'
> x[c(1, 3, 4)] ## 提取不连续的多个元素
[1] 'a' 'c' 'c'
2.单括号+逻辑索引（按字母排序）： > x <- c('a', 'b', 'c', 'c', 'd', 'a')
> x[x > 'a'] ## 提取首字母排序大于a的元素
[1] 'b' 'c' 'c' 'd'
3.创建逻辑向量 > u <- x > 'a'
> u
[1] FALSE TRUE TRUE TRUE TRUE FALSE
> x[u]
[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 > x <- matrix(1:6, 2, 3)
> x
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6
> x[1, 2]
[1] 3
> x[, 1]
[1] 1 2
> x[1, 2, drop = FALSE] ## 修改drop参数，返回矩阵形式
[,1]
[1,] 3
> x[, 1, drop = FALSE]
[,1]
[1,] 1
[2,] 2
（三）列表取子集列表取子集既可以使用“[”，'[['，也可以使用“$” > ## 创建一个含有两个元素的列表
> x <- list(foo = 1:4, bar = 0.6)
> x
$foo
[1] 1 2 3 4
$bar
[1] 0.6
> ## 三种方法提取第一个元素
> x[1] ## 单方括号返回的也是一个列表
$foo
[1] 1 2 3 4
> x[[1]]
[1] 1 2 3 4
> x$foo
[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。 > x <- list(foo = 1:4, bar = 0.6, baz = 'hello')
> x[c(1, 3)]
$foo
[1] 1 2 3 4
$baz
[1] 'hello'
双方括号和美元符号的区别： 美元符号必须是列表中存在的元素名； 双方括号可以是后续再次赋值变量之后的 > x <- list(foo = 1:4, bar = 0.6, baz = 'hello')
> name <- 'foo'
>
> ## computed index for 'foo'
> x[[name]]
[1] 1 2 3 4
>
> ## element 'name' doesn’t exist! (but no error here)
> x$name
NULL
>
> ## element 'foo' does exist
> x$foo
[1] 1 2 3 4
另外双方括号可以取一个整数数列，不仅仅是一个数字 > x <- list(a = list(10, 12, 14), b = c(3.14, 2.81))
>
> ## Get the 3rd element of the 1st element
> x[[c(1, 3)]]
[1] 14
>
> ## Same as above
> x[[1]][[3]]
[1] 14
>
> ## 1st element of the 2nd element
> x[[c(2, 1)]]
[1] 3.14
（四）模糊匹配美元符号$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： > x <- list(aardvark = 1:5)
> x$a
[1] 1 2 3 4 5
> x[['a']] ## 参数默认为精确匹配
NULL
> x[['a', exact = FALSE]] ## 参数设置为不精确匹配
[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：
> x <- c(1, 2, NA, 4, NA, 5)
> bad <- is.na(x)
> print(bad)
[1] FALSE FALSE TRUE FALSE TRUE FALSE
> x[!bad] ## !bad表示非缺失值
[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： > x <- c(1, 2, NA, 4, NA, 5)
> y <- c('a', 'b', NA, 'd', NA, 'f')
> good <- complete.cases(x, y)
> good
[1] TRUE TRUE FALSE TRUE FALSE TRUE
> x[good]
[1] 1 2 4 5
> y[good]
[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： > x <- c(1, 2, NA, 4, NA, 5)
> y <- c('a', 'b', NA, NA, 'd', 'f')
> good <- complete.cases(x, y)
> good
[1] TRUE TRUE FALSE FALSE FALSE TRUE
>
> x[good]
[1] 1 2 5
> y[good]
[1] 'a' 'b' 'f'
complete.cases() 函数也可以用于从数据框中移除缺失值
> ## 创建数据框airquality
> Ozone <- c(41, 36, 12, 18, NA, 28, 13, 15)
> Solar.R <- c(190, 118, 149, 313, NA, NA, 244, 222)
> Wind <- c (7.4, 8.0, 12.1, 11.2, 14.3, 13.9, 14.1, 15.2)
> Temp <- c(67, 72, 74, 62, 56, 66, 22, 33)
> Month <- c(5, 5, 5, 5, 5, 5, 5, 5)
> Day <- c(1, 2, 3, 4, 5, 6, 7, 8)
> airquality <- data.frame(Ozone, Solar.R, Wind, Temp, Month, Day)
> airquality
Ozone Solar.R Wind Temp Month Day
1 41 190 7.4 67 5 1
2 36 118 8.0 72 5 2
3 12 149 12.1 74 5 3
4 18 313 11.2 62 5 4
5 NA NA 14.3 56 5 5
6 28 NA 13.9 66 5 6
7 13 244 14.1 22 5 7
8 15 222 15.2 33 5 8
>
> ## 取数据框中的前六行数据
> head(airquality)
Ozone Solar.R Wind Temp Month Day
1 41 190 7.4 67 5 1
2 36 118 8.0 72 5 2
3 12 149 12.6 74 5 3
4 18 313 11.5 62 5 4
5 NA NA 14.3 56 5 5
6 28 NA 14.9 66 5 6
>
> ## 通过创建逻辑向量找到没有缺失数据的行
> good <- complete.cases(airquality)
> head(airquality[good, ])
Ozone Solar.R Wind Temp Month Day
1 41 190 7.4 67 5 1
2 36 118 8.0 72 5 2
3 12 149 12.6 74 5 3
4 18 313 11.5 62 5 4
7 23 299 8.6 65 5 7
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 > Ozone <- c(41, 36, 12, 18, NA, 28, 13, 15)
> Solar.R <- c(190, 118, 149, 313, NA, NA, 244, 222)
> Wind <- c (7.4, 8.0, 12.1, 11.2, 14.3, 13.9, 14.1, 15.2)
> Temp <- c(67, 72, 74, 62, 56, 66, 22, 33)
> Month <- c(5, 5, 5, 5, 5, 5, 5, 5)
> Day <- c(1, 2, 3, 4, 5, 6, 7, 8)
> data <- data.frame(Ozone, Solar.R, Wind, Temp, Month, Day)
> data
Ozone Solar.R Wind Temp Month Day
1 41 190 7.4 67 5 1
2 36 118 8.0 72 5 2
3 12 149 12.1 74 5 3
4 18 313 11.2 62 5 4
5 NA NA 14.3 56 5 5
6 28 NA 13.9 66 5 6
7 13 244 14.1 22 5 7
8 15 222 15.2 33 5 8
>
> ## 设置条件
> d2 <- data[data$Ozone>18 & data$Temp>60, ]
> d2
Ozone Solar.R Wind Temp Month Day
1 41 190 7.4 67 5 1
2 36 118 8.0 72 5 2
6 28 NA 13.9 66 5 6
> m <- d2$Wind
> m
[1] 7.4 8.0 13.9
> mean(m)
[1] 9.766667
参考资料：
https:///rdpeng/rprogdatascience/R Programming for Data Science 《R语言实战》 Robert I. Kabacoff
|
