R编程：dataframe $ column [<boolean>] = <value>如何工作？

Question

此

df = data.frame(c(-2,-1,1,2), NA)
colnames(df) <- c("values", "pos_neg")
flag <- with(df, values < 0)
df$pos_neg[flag] = "negative"
df$pos_neg[!flag] = "positive"

给了我这个

它按预期工作。问题是，我不确定它是如何或为什么这样做的。如果我将一个布尔值放入括号中会发生什么？到目前为止，我认为数据帧是一个数组，我只能按数字（df[1]）或名称（如果可用）df["pants"]）访问值。

提前致谢！

Answer 1

如果您在值不是全部NA后查看子集，则会更容易看到：

df <- data.frame(values = c(-2,-1,1,2), 
                 pos_neg = NA)
flag <- df$values < 0

df$pos_neg[flag] <- "negative"
df$pos_neg[!flag] <- "positive"

这里的第一个重要概念是数据框是变量（“列”）的列表（具有类，一些限制和许多方法，但仍然是列表），而不是二维数组（矩阵） ）。因此，$或[[子集会提取单个变量，这是一个单一的向量，所以

df$pos_neg
#> [1] "negative" "negative" "positive" "positive"

您可以使用逻辑向量对任何向量进行子集化，因此逻辑子集的工作方式就像c('a', 'b')[c(FALSE TRUE)]一样：

df$pos_neg[flag]
#> [1] "negative" "negative"
df$pos_neg[!flag]
#> [1] "positive" "positive"

使用<-分配给这些子集可以在这里工作，因为您正在提供一个长度为1的向量，该向量将被回收以适合该子集。

在数据框上使用带有两个参数（行和列）的[子集，例如df[2:3, 'values']在某些方面更复杂，即使从矩阵模拟中更直观。特别是，[.data.frame方法默认为drop = TRUE，这可能会使其不清楚是否会返回另一个数据框或向量。大多数情况下这并不重要，但它可能会导致程序化使用中的错误。

在数据框上使用[子集和单个参数，例如df[1]，类似于[在列表中执行，按名称，索引或逻辑掩码对列进行子集，并始终返回同一类的另一个列表（即另一个数据帧）。