Question

有人可以解释一下为什么我在下面的最后两行代码（identical()调用）中会得到不同的结果吗？这两个对象似乎是相同的对象，但是当我在apply函数中使用它们时，我遇到了一些麻烦：

df <- data.frame(a = 1:5, b = 6:2, c = rep(7,5))
df_ab <- df[,c(1,2)]
df_AB <- subset(df, select = c(1,2))
identical(df_ab,df_AB)
[1] TRUE

apply(df_ab,2,function(x) identical(1:5,x))
    a     b 
TRUE FALSE

apply(df_AB,2,function(x) identical(1:5,x))
    a     b 
FALSE FALSE

Answer 1

apply()函数在调用每列上的函数之前强制将其第一个参数强制转换为矩阵。因此，您的数据框被强制转换为矩阵对象。转换的结果是as.matrix(df_AB)具有非空的rownames，而as.matrix(df_ab)则没有：

> str(as.matrix(df_ab))
 int [1:5, 1:2] 1 2 3 4 5 6 5 4 3 2
 - attr(*, "dimnames")=List of 2
  ..$ : NULL
  ..$ : chr [1:2] "a" "b"
> str(as.matrix(df_AB))
 int [1:5, 1:2] 1 2 3 4 5 6 5 4 3 2
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:5] "1" "2" "3" "4" ...
  ..$ : chr [1:2] "a" "b"

因此当apply()对df_AB列进行子集时，会得到一个命名向量，它与未命名的向量不同。

apply(df_AB, 2, str)
 Named int [1:5] 1 2 3 4 5
 - attr(*, "names")= chr [1:5] "1" "2" "3" "4" ...
 Named int [1:5] 6 5 4 3 2
 - attr(*, "names")= chr [1:5] "1" "2" "3" "4" ...
NULL

与subset()函数进行对比，后者使用逻辑向量为i的值选择行。看起来像对i的非缺失值的data.frame进行子集化会导致row.names属性出现这种差异：

> str(as.matrix(df[1:5, 1:2]))
 int [1:5, 1:2] 1 2 3 4 5 6 5 4 3 2
 - attr(*, "dimnames")=List of 2
  ..$ : chr [1:5] "1" "2" "3" "4" ...
  ..$ : chr [1:2] "a" "b"
> str(as.matrix(df[, 1:2]))
 int [1:5, 1:2] 1 2 3 4 5 6 5 4 3 2
 - attr(*, "dimnames")=List of 2
  ..$ : NULL
  ..$ : chr [1:2] "a" "b"

您可以使用.Internal(inspect(x))函数查看data.frames之间差异的所有细节。如果你有兴趣，你可以自己看一下。

正如Roland在评论中指出的那样，您可以使用.row_names_info()函数来查看行名称的差异。

请注意，如果缺少i，则.row_names_info()的结果为否定，但如果您使用非遗漏i进行分组，则结果为正。

> .row_names_info(df_ab, type=1)
[1] -5
> .row_names_info(df_AB, type=1)
[1] 5

这些值的含义在?.row_names_info中解释：

type: integer.  Currently ‘type = 0’ returns the internal
      ‘"row.names"’ attribute (possibly ‘NULL’), ‘type = 2’ the
      number of rows implied by the attribute, and ‘type = 1’ the
      latter with a negative sign for ‘automatic’ row names.

Answer 2

如果要将值1:5与列中的值进行比较，则不应使用apply，因为apply会在应用函数之前将数据帧转换为矩阵。由于使用[创建的子集中的行名称（请参阅@Joshua Ulrich的答案），值1:5与包含相同值的命名向量不同。

您应该使用sapply将identical函数应用于列。这避免了将数据帧转换为矩阵：

> sapply(df_ab, identical, 1:5)
    a     b 
 TRUE FALSE 
> sapply(df_AB, identical, 1:5)
    a     b 
 TRUE FALSE

如您所见，在两个数据框架中，第一列中的值与1:5相同。

Answer 3

在一个版本中（使用[），您的列是整数，而在另一个版本中（使用subset），您的列被命名为整数。

apply(df_ab, 2, str)

 int [1:5] 1 2 3 4 5
 int [1:5] 6 5 4 3 2
NULL


apply(df_AB, 2, str)

 Named int [1:5] 1 2 3 4 5
 - attr(*, "names")= chr [1:5] "1" "2" "3" "4" ...
 Named int [1:5] 6 5 4 3 2
 - attr(*, "names")= chr [1:5] "1" "2" "3" "4" ...
NULL

Answer 4

在之前查看这两个对象的结构，它们被提交到apply只显示了一个区别：在rownames中，但没有我预期产生的差异你看到的差异。我没有看到约书亚目前提供的＆＃39;子集＆＃39;作为解释这个的逻辑索引。为什么row.names = c(NA, -5L))在使用＆＃34; [＆＃34;尚未解释。

> dput(df_AB) structure(list(a = 1:5, b = c(6L, 5L, 4L, 3L, 2L)), .Names = c("a", "b"), row.names = c(NA, 5L), class = "data.frame") > dput(df_ab) structure(list(a = 1:5, b = c(6L, 5L, 4L, 3L, 2L)), .Names = c("a", "b"), class = "data.frame", row.names = c(NA, -5L))

我同意这是as.matrix强制，需要进一步调查：

> attributes(df_AB[,1]) NULL > attributes(df_ab[,1]) NULL > attributes(as.matrix(df_AB)[,1]) $names [1] "1" "2" "3" "4" "5"

＆＃34;子集＆＃34;和＆＃34; [＆＃34;在数据帧上给出略有不同的结果，为什么？

4 个答案: