从data.frames中提取列的不同方法

Question

我见过人们使用几种不同的方式从R中的data.frame中拉出一根列：

df[,1]
df$colname

和

df[[1]]

我最近倾向于使用后者，但只是认为这些可能会做不同的事情。这些之间有什么区别，为什么一个人比另一个更喜欢？

谢谢！

Answer 1

“[[”版本不允许选择多于1个元素（尽管该单个元素可能是长度大于1的原子向量或任意复杂度列表，而“[，j]”版本将允许返回多个项目。如果提供长度大于2的向量，“[[”形式将尝试从递归应用“[[”提取元素到第一列结果的连续元素，然后是该项中的项目） vector。（...因为“元素”可能是一个多值向量。）这有点像数组提取。

test <- data.frame(a=1:5, b=letters[1:5], c=setNames(1:5, letters[1:5]) )
# also would give same results for data.frame
test[[3]]
#1 2 3 4 5 
test[[c(1,3)]]
#[1] 3
# In this case the same as:
test[3,1]
#[1] 3

“[[”版本（如帮助页面所示）将从向量中删除名称，但这与此问题相关，因为data.frames不允许您保留名称。

最重要的区别在于“[[”和“$”之间，因为“[[”允许您使用计算的索引。

另一个主要区别在于obj[1]和obj[[1]]返回的内容。第一个返回一个列表，第二个返回一个向量（至少当obj是列表时。）

Answer 2

看起来@DWin和@ B.Mr.W涵盖了使用[和[[从数据框中提取列的最常用方法。

作为[或[[方法的替代方法，您还可以使用基本函数subset从数据框中提取列。

例如，subset(mtcars, select=mpg)将从mpg数据集中提取名为mtcars的列。或者，如果您想要多个列，则可以包含列名称向量，例如subset(mtcars, select=c(mpg, cyl))。请注意，使用subset函数时无需引用列名称。

您也可以按照相同的方式按索引获取列：subset(mtcars, select=1)选择数据框中的第一列，与subset(mtcars, select=mpg)相同。

虽然在简单地选择列时可能不会使用它，但subset函数可以导致更直接可理解和冗长的代码，并且在提取某些感兴趣的行时非常有用，例如： subset(mtcars, subset=hp<100, select=c(mpg, cyl))。您也可以使用[执行此操作，但它不是那么优雅，例如mtcars[mtcars$hp<100, c("mpg", "cyl")]。