我想选择一个匹配项上下的N行。
我正在尝试命令：
mtcars[which(mtcars$vs == 1) + c(-1:1), ]
它返回以下警告：
警告信息： 其中（mtcars $ vs == 1）+ c（-1：1）： 较长的物体长度不是较短的物体长度的倍数
答案 0 :(得分：3)
我们可以编写一个简短函数来返回vec的所有匹配val或n元素之内的元素（任一方向）：
newfun <- function(vec, val, n) {
rows <- sapply(which(vec==val), function(x) seq(x-n, x+n, 1))
rows <- unique(sort(rows[rows>0 & rows<length(vec)]))
return(vec[rows])
}
例如：
newfun(mtcars$vs, 1, 2)
答案 1 :(得分：3)
在将所需范围的索引添加到焦点索引（which的结果）之前，您需要将每个值重复到范围的长度。
# set the number of values to select, before and after each focal index
n <- 1
# create a range of (relative) indices
i <- -n:n
# repeat focal indices
# add range of n prior and following indices
ix <- rep(which(mtcars$vs == 1), each = length(i)) + i
# select unique indices, truncated to the relevant range of rows,...
unique(ix[ix > 0 & ix <= nrow(mtcars)])
# [1] 2 3 4 5 6 7 8 9 10 11 12 17 18 19 20 21 22 25 26 27 28 29 31 32
# ...which then can be used to subset data
mtcars[unique(ix[ix > 0 & ix <= nrow(mtcars)]), ]
答案 2 :(得分：1)
这似乎是一个简单的问题，但没有想象中的那么简单。
问题在于which(mtcars$vs == 1)返回的是向量而不是单个值：
[1] 3 4 6 8 9 10 11 18 19 20 21 26 28 32
如果添加了另一个向量-1:1（即c(-1L, 0L, 1L)），则对不等长向量的正常R规则适用：The recycling rule说
任何短向量操作数都通过循环其值来扩展，直到 它们与任何其他操作数的大小匹配。
因此，较短的向量-1:1将被回收到which(mtcars$vs == 1)的长度，即
rep(-1:1, length.out = length(which(mtcars$vs == 1)))
[1] -1 0 1 -1 0 1 -1 0 1 -1 0 1 -1 0
因此，
的结果which(mtcars$vs == 1) + -1:1
是两个向量元素的 wise 总和，其中较短的向量已被回收以匹配较长的向量的长度。
[1] 2 4 7 7 9 11 10 18 20 19 21 27 27 32
这可能不是OP所期望的。
此外，我们得到了
警告信息：
其中（mtcars $ vs == 1）+ -1：1：
较长的物体长度不是较短的物体长度的倍数
因为which(mtcars$vs == 1)的长度为14，而-1:1的长度为3。
outer() 为了选择每条匹配行上方和下方的N行，我们需要向{em>每条返回的行号添加-N:N which(mtcars$vs == 1)：
outer(which(mtcars$vs == 1), -1:1, `+`)
[,1] [,2] [,3]
[1,] 2 3 4
[2,] 3 4 5
[3,] 5 6 7
[4,] 7 8 9
[5,] 8 9 10
[6,] 9 10 11
[7,] 10 11 12
[8,] 17 18 19
[9,] 18 19 20
[10,] 19 20 21
[11,] 20 21 22
[12,] 25 26 27
[13,] 27 28 29
[14,] 31 32 33
现在，我们有了一个包含所有行号的数组。不幸的是，它不能直接用于子集，因为它包含重复项，并且mtcars中不存在行号。因此，结果必须先进行“后处理”，然后才能用于子集。
library(magrittr) # piping used for clarity
rn <- outer(which(mtcars$vs == 1), -1:1, `+`) %>%
as.vector() %>%
unique() %>%
Filter(function(x) x[1 <= x & x <= nrow(mtcars)], .)
rn
[1] 2 3 4 5 6 7 8 9 10 11 12 17 18 19 20 21 22 25 26 27 28 29 31 32
mtcars[rn, ]
mpg cyl disp hp drat wt qsec vs am gear carb Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2