Question

我想了解为什么这两种索引空data.frame的方法会导致将NA行号分配给仅的第一行：

方法1：

df <- data.frame(Number=numeric(), Text=character(), stringsAsFactors = FALSE)
df[1,]$Number <- 123456
df[1,]$Text <- "abcdef"
df[2,]$Number <- 456789
df[2,]$Text <- "abcdef"

输出1：

> df
   Number   Text
NA 123456 abcdef
2  456789 abcdef

方法2：

df <- data.frame(Number=numeric(), Text=character(), stringsAsFactors = FALSE)
df[1,1] <- 123456
df[1,2] <- "abcdef"
df[2,1] <- 456789
df[2,2] <- "abcdef"

输出2：

> df
  Number   Text
1 123456 abcdef
2 456789 abcdef

我看到的唯一区别是，第一种方法使用列名而不是列号访问data.frame，但是我不明白为什么这会导致产生NA行号只能分配给第一个观测值，因为从第二行开始行号似乎可以正常工作。

Answer 1

好吧，这个答案最重要的部分是应该避免这样的代码。将数据逐行R地添加到data.frame效率非常低（请参阅R Inferno的第2圈）。几乎总是有更好的方法来执行此操作，具体取决于您正在执行的操作。

但是要了解这里发生的情况。所有这些都归结为$.data.frame<-，[.data.frame和[<-.data.frame函数。在第一种情况下，使用

df[1,]$Number <- 123456

您首先执行的是调用[<-.data.frame的子集。当您请求不存在的data.frame的一行时，您会得到一堆针对所有内容（包括行名）的NA值。因此，现在您有了一个空的data.frame，在列和行名中具有NA值。现在，您调用$<-.data.frame来更新Number列。您不更新行号。然后将这个新值传递给[<-.data.frame，以将其合并回data.frame。运行此命令时，它将检查以确保没有重复的行名。对于第一行，由于只有一行并且它的名称为NA，因此将保留该名称。但是，当名称重复时，该函数将这些值替换为行号的索引。这就是为什么第一行得到一个NA的原因，但是当它尝试添加下一行时，它再次尝试了NA，但是看到它是重复的，因此必须选择一个新名称。（看看先尝试df[1:2,]$Number <- 123456然后尝试df[3,]$Number <- 456789会发生什么情况）

另一方面，当您这样做

df[1,1] <- 123456

这不会首先创建子集来创建缺少行名的行。您可以直接跳过$.data.frame<-和[.data.frame进行分配。在这种情况下，它不必合并到具有NA行名称的新行中，它可以立即创建该行并分配一个行名称。这只是调用赋值运算符而必须先进行提取的一种特殊属性。您可以将调试器与debug(`[<-.data.frame`)配合使用，以查看确切的过程。

因此，第一种方法基本上执行三个步骤：1）扩展df[1,]，2）更改数字列的值，然后3）将新值合并回df[1,]。第二种方法跳过第一种方法，而只是将值直接合并到df[1,]中。真正的区别在于，每个函数如何为尚不存在的行选择行名。

将第一行添加到空数据时，行号有所不同（NA与1）

1 个答案: