R语言笔记3：提取R对象的子集
作者：圈圈
来源公众号：宏基因组
前文传送门：
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://bookdown.org/rdpeng/rprogdatascience/R Programming for Data Science
《R语言实战》 Robert I. Kabacoff
公众号后台回复关键字即可学习
回复 R R语言快速入门及数据挖掘
回复 Kaggle案例 Kaggle十大案例精讲（连载中）
回复 文本挖掘 手把手教你做文本挖掘
回复 可视化 R语言可视化在商务场景中的应用
回复 大数据 大数据系列免费视频教程
回复 量化投资 张丹教你如何用R语言量化投资
回复 用户画像 京东大数据，揭秘用户画像
回复 数据挖掘 常用数据挖掘算法原理解释与应用
回复 机器学习 人工智能系列之机器学习与实践
回复 爬虫 R语言爬虫实战案例分享
相关内容
微信扫码咨询专知VIP会员