Question

当我需要过滤data.frame，即提取满足特定条件的行时，我更喜欢使用subset函数：

subset(airquality, Month == 8 & Temp > 90)

而不是[函数：

airquality[airquality$Month == 8 & airquality$Temp > 90, ]

我偏好有两个主要原因：

我发现代码从左到右读得更好。即使对R一无所知的人也可以说出上面的subset陈述是做什么的。
因为列可以在select表达式中称为变量，所以我可以节省一些键击。在上面的示例中，我只需使用airquality键入subset一次，但使用[键入三次。

所以我生活得很幸福，到处使用subset，因为它更短，读起来更好，甚至为我的R编码员提倡它的美丽。但昨天我的世界崩溃了。在阅读subset文档时，我会注意到这一部分：

警告

这是一种便于交互使用的便利功能。对于编程，最好使用标准的子集函数，如[，特别是参数子集的非标准评估可能会产生意想不到的后果。

有人可以帮助澄清作者的意思吗？

首先，“交互式使用”是什么意思？我知道什么是交互式会话，而不是在BATCH模式下运行的脚本，但我不知道它应该有什么区别。

然后，你能否解释一下“论证子集的非标准评估”以及为什么它是危险的，或许可以提供一个例子？

Answer 1

@James的评论很好地回答了这个问题，指出Hadley Wickham对subset（以及类似函数） [here]的危险性的一个很好的解释。去读吧！

这是一个有点长的阅读，所以在这里记录Hadley使用的最直接解决“什么可能出错？”的问题可能会有所帮助：

Hadley建议使用以下示例：假设我们要使用以下函数对数据框进行子集化，然后重新排序：

scramble <- function(x) x[sample(nrow(x)), ]

subscramble <- function(x, condition) {
  scramble(subset(x, condition))
}

subscramble(mtcars, cyl == 4)

这将返回错误：

eval（expr，envir，enclos）中的错误：找不到对象'cyl'

因为R不再“知道”在哪里找到名为'cyl'的对象。他还指出，如果在全球环境中有一个名为'cyl'的对象，可能会发生真正奇怪的事情：

cyl <- 4
subscramble(mtcars, cyl == 4)

cyl <- sample(10, 100, rep = T)
subscramble(mtcars, cyl == 4)

（运行它们并亲眼看看，它非常疯狂。）

Answer 2

同样[更快：

require(microbenchmark)        
microbenchmark(subset(airquality, Month == 8 & Temp > 90),airquality[airquality$Month == 8 & airquality$Temp > 90,])
    Unit: microseconds
                                                           expr     min       lq   median       uq     max neval
                     subset(airquality, Month == 8 & Temp > 90) 301.994 312.1565 317.3600 349.4170 500.903   100
     airquality[airquality$Month == 8 & airquality$Temp > 90, ] 234.807 239.3125 244.2715 271.7885 340.058   100

为什么`[`比`子集更好？

2 个答案: