写在前面
在面对众多数据时，如果你想取出感兴趣的部分，通常会面临取子集的问题。下面我将介绍如何从向量中取子集。
- 有6种方式可以提取元素
- 三个取子集地符号，
[],[[]],$ - 不同的向量类型有不同的取子集方式
1.一维向量取子集
以一维向量为例，介绍6种取子集的方式。
示例数据：
x <- c(2.1, 4.2, 3.3, 5.4)
1.1 正向选择
根据位置来选择。
x[c(3, 1)]
#> [1] 3.3 2.1
x[order(x)]
#> [1] 2.1 3.3 4.2 5.4
# Duplicate indices will duplicate values
x[c(1, 1)]
#> [1] 2.1 2.1
# Real numbers are silently truncated to integers只会舍去，不会做近似值
x[c(2.1, 2.9)]
#> [1] 4.2 4.2
1.2 反向选择
一句话总结就是：排除掉不想要的，剩下的就是想要的。
x[-c(3, 1)]
#> [1] 4.2 5.4
当然，正向选择和负向选择不能同时使用，否则就会报错。
x[c(-1, 2)]
#> Error in x[c(-1, 2)]: only 0's may be mixed with negative subscripts
1.3 通过逻辑向量来选择
在选择之前会进行判断，如果判断为TRUE，则进行选择，否则不被选择。
x[c(TRUE, TRUE, FALSE, FALSE)]
#> [1] 2.1 4.2
x[x > 3]
#> [1] 4.2 3.3 5.4
如果选择的逻辑向量不够长怎么办，放心，开发者早就预料到这个问题，会以最小的向量作为整体，循环匹配到最长的向量为止。
x[c(TRUE, FALSE)]
#> [1] 2.1 3.3
# Equivalent to
x[c(TRUE, FALSE, TRUE, FALSE)]
#> [1] 2.1 3.3
1.4 空集提取
空集返回所有的元素。
x[]
#> [1] 2.1 4.2 3.3 5.4
1.5 零元素提取
返回数字0.
x[0]
#> numeric(0)
1.6 字符提取
顾名思义，如果你提取的元素刚好被赋值了“名字”，你就可以根据它的“名字”来提取，相当于老师上课时的点名字考勤。
(y <- setNames(x, letters[1:4]))
#> a b c d
#> 2.1 4.2 3.3 5.4
y[c("d", "c", "a")]
#> d c a
#> 5.4 3.3 2.1
# Like integer indices, you can repeat indices
y[c("a", "a", "a")]
#> a a a
#> 2.1 2.1 2.1
# When subsetting with [, names are always matched exactly
z <- c(abc = 1, def = 2)
z[c("a", "d")]
#> <NA> <NA>
#> NA NA
2.矩阵和数组
从矩阵和数组中提取元素有三种方式。
- 使用多个向量
- 使用单一向量
- 使用矩阵
使用向量提取时，c(,)遵循左行右列法则。如果不加逗号，默认指的是列。
a <- matrix(1:9, nrow = 3)
colnames(a) <- c("A", "B", "C")
a[1:2, ]
#> A B C
#> [1,] 1 4 7
#> [2,] 2 5 8
a[c(TRUE, FALSE, TRUE), c("B", "A")]
#> B A
#> [1,] 4 1
#> [2,] 6 3
a[0, -2] #提取列名
#> A C
a[1, ]
#> A B C
#> 1 4 7
a[1, 1]
#> A
#> 1
数组在R中主要是以列的方式存储数据。
vals <- outer(1:5, 1:5, FUN = "paste", sep = ",")
vals
#> [,1] [,2] [,3] [,4] [,5]
#> [1,] "1,1" "1,2" "1,3" "1,4" "1,5"
#> [2,] "2,1" "2,2" "2,3" "2,4" "2,5"
#> [3,] "3,1" "3,2" "3,3" "3,4" "3,5"
#> [4,] "4,1" "4,2" "4,3" "4,4" "4,5"
#> [5,] "5,1" "5,2" "5,3" "5,4" "5,5"
vals[c(4, 15)] #提取第4个和第15个元素。
#> [1] "4,1" "5,3"
使用矩阵来提取数组元素。
select <- matrix(ncol = 2, byrow = TRUE, c(
1, 1,
3, 1,
2, 4
))
vals[select]
#> [1] "1,1" "3,1" "2,4"
3.数据框和tibbles
数据框在生物信息学中是最常见的格式。
示例数据：
df <- data.frame(x = 1:3, y = 3:1, z = letters[1:3])
按条件和位置提取。
df[df$x == 2, ]
#> x y z
#> 2 2 2 b
df[c(1, 3), ]
#> x y z
#> 1 1 3 a
#> 3 3 1 c
根据名字来提取。
df[c("x", "z")]
#> x z
#> 1 1 a
#> 2 2 b
#> 3 3 c
#与上一个相同
df[, c("x", "z")]
#> x z
#> 1 1 a
#> 2 2 b
#> 3 3 c
对于tibble来说，使用[]通常会返回tibble。
示例数据：
df <- tibble::tibble(x = 1:3, y = 3:1, z = letters[1:3])
提取。
str(df["x"])
#> tibble [3 × 1] (S3: tbl_df/tbl/data.frame)
#> $ x: int [1:3] 1 2 3
str(df[, "x"])
#> tibble [3 × 1] (S3: tbl_df/tbl/data.frame)
#> $ x: int [1:3] 1 2 3
4.列表
从向量中提取元素，简单、易懂。可惜我们碰到的大多数情况不是向量，其中列表就是常见的格式之一。
[]提取列表通常返回列表；[[]]和$提取列表则返回元素。
5.保持维度
在提取元素时，维度默认是简化的，如果你想看全貌，就得设置drop = FALSE。
- 对于矩阵和数组来说，任何长度为1的维度将被丢弃。
a <- matrix(1:4, nrow = 2)
str(a[1, ])
#> int [1:2] 1 3
str(a[1, , drop = FALSE])
#> int [1, 1:2] 1 3
有单一列的数据框将返回列的内容。
df <- data.frame(a = 1:2, b = 1:2)
str(df[, "a"])
#> int [1:2] 1 2
str(df[, "a", drop = FALSE])
#> 'data.frame': 2 obs. of 1 variable:
#> $ a: int 1 2
