作者：圈圈，R语言中文社区专栏作者
来源公众号：宏基因组

Subsetting R Objects
取子集的三种基本方法

• [ ：“单方括号”返回的对象和原来相同，如向量的子集还是向量；也可用于在对象中选择多个元素
• [ [：“双方括号”仅可用于提取单一元素，并且用来提取列表或者数据框中的元素，但是，由于列表或者数据框中的元素类别不唯一，因此它返回对象的类型不一定是列表或者数据框
• $ ：“美元符号”是提取有名字的列表或数据框中的一个元素

（一）向量取子集
举例

1. 单括号+数字索引：
2. > x <- c("a", "b", "c", "c", "d", "a")
3. > x[2] ## 提取第二个元素
4. [1] "b"
5. > x[1:4] ## 提取连续多个元素
6. [1] "a" "b" "c" "c"
7. > x[c(1, 3, 4)] ## 提取不连续的多个元素
8. [1] "a" "c" "c"

2.单括号+逻辑索引（按字母排序）：

1. 
   > x <- c("a", "b", "c", "c", "d", "a")
   
2. 
   > x[x > "a"] ## 提取首字母排序大于a的元素
   
3. 
   [1] "b" "c" "c" "d"
   

3.创建逻辑向量

1. 
   > u <- x > "a"
   
2. 
   > u
   
3. 
   [1] FALSE TRUE TRUE TRUE TRUE FALSE
   
4. 
   > x[u]
   
5. 
   [1] "b" "c" "c" "d"
   

（二）矩阵取子集
矩阵取子集可通过行索引和列索引来完成。
例如以下2*3的矩阵

1. 
   > x <- matrix(1:6, 2, 3)
   
2. 
   > x
   
3. 
   [,1] [,2] [,3]
   
4. 
   [1,] 1 3 5
   
5. 
   [2,] 2 4 6
   
6. 
   > x[1, 2]
   
7. 
   [1] 3
   
8. 
   > x[, 1]
   
9. 
   [1] 1 2
   
10. 
    > x[1, 2, drop = FALSE] ## 修改drop参数，返回矩阵形式
    
11. 
    [,1]
    
12. 
    [1,] 3
    
13. 
    > x[, 1, drop = FALSE]
    
14. 
    [,1]
    
15. 
    [1,] 1
    
16. 
    [2,] 2
    

（三）列表取子集
列表取子集既可以使用“[”，"[["，也可以使用“$”

1. 
   > ## 创建一个含有两个元素的列表
   
2. 
   > x <- list(foo = 1:4, bar = 0.6)
   
3. 
   > x
   
4. 
   $foo
   
5. 
   [1] 1 2 3 4
   
6. 
   $bar
   
7. 
   [1] 0.6
   
8. 
   > ## 三种方法提取第一个元素
   
9. 
   > x[1] ## 单方括号返回的也是一个列表
   
10. 
    $foo
    
11. 
    [1] 1 2 3 4
    
12. 
    > x[[1]]
    
13. 
    [1] 1 2 3 4
    
14. 
    > x$foo
    
15. 
    [1] 1 2 3 4
    

列表取子集方法的好处是不需要记住顺序，只要有名字就可以。
但是如果要从列表中提取多个元素，只能使用单方括号（双方括号和美元符号只能提取单个元素），并且知道顺序。

1. 
   > x <- list(foo = 1:4, bar = 0.6, baz = "hello")
   
2. 
   > x[c(1, 3)]
   
3. 
   $foo
   
4. 
   [1] 1 2 3 4
   
5. 
   $baz
   
6. 
   [1] "hello"
   

双方括号和美元符号的区别：
美元符号必须是列表中存在的元素名；
双方括号可以是后续再次赋值变量之后的

1. 
   > x <- list(foo = 1:4, bar = 0.6, baz = "hello")
   
2. 
   > name <- "foo"
   
3. 
   >
   
4. 
   > ## computed index for "foo"
   
5. 
   > x[[name]]
   
6. 
   [1] 1 2 3 4
   
7. 
   >
   
8. 
   > ## element "name" doesn’t exist! (but no error here)
   
9. 
   > x$name
   
10. 
    NULL
    
11. 
    >
    
12. 
    > ## element "foo" does exist
    
13. 
    > x$foo
    
14. 
    [1] 1 2 3 4
    

另外双方括号可以取一个整数数列，不仅仅是一个数字

1. 
   > x <- list(a = list(10, 12, 14), b = c(3.14, 2.81))
   
2. 
   >
   
3. 
   > ## Get the 3rd element of the 1st element
   
4. 
   > x[[c(1, 3)]]
   
5. 
   [1] 14
   
6. 
   >
   
7. 
   > ## Same as above
   
8. 
   > x[[1]][[3]]
   
9. 
   [1] 14
   
10. 
    >
    
11. 
    > ## 1st element of the 2nd element
    
12. 
    > x[[c(2, 1)]]
    
13. 
    [1] 3.14
    

（四）模糊匹配
美元符号$和双方括号[[有模糊匹配的功能。可以通过这种方法在命令行快速查找元素。
例：

1. 
   > x <- list(aardvark = 1:5)
   
2. 
   > x$a
   
3. 
   [1] 1 2 3 4 5
   
4. 
   > x[["a"]] ## 参数默认为精确匹配
   
5. 
   NULL
   
6. 
   > x[["a", exact = FALSE]] ## 参数设置为不精确匹配
   
7. 
   [1] 1 2 3 4 5
   

（五）删除缺失数据和缺失值（NA）
大部分真实数据中包含大量缺失数据，不管是向量、矩阵还是数据框，通过创建一个能够告诉你哪里有缺失值的逻辑向量，从而创建子集来删除它们
is.na() 函数可以找到某个向量中的缺失值，例：

1. 
   > x <- c(1, 2, NA, 4, NA, 5)
   
2. 
   > bad <- is.na(x)
   
3. 
   > print(bad)
   
4. 
   [1] FALSE FALSE TRUE FALSE TRUE FALSE
   
5. 
   > x[!bad] ## !bad表示非缺失值
   
6. 
   [1] 1 2 4 5
   

如果有多个向量、多个对象，NA分布在各个不同地方，目的是去除所有缺失值建立新的子集，可以使用 complete.cases() 函数，如下例：

1. 
   > x <- c(1, 2, NA, 4, NA, 5)
   
2. 
   > y <- c("a", "b", NA, "d", NA, "f")
   
3. 
   > good <- complete.cases(x, y)
   
4. 
   > good
   
5. 
   [1] TRUE TRUE FALSE TRUE FALSE TRUE
   
6. 
   > x[good]
   
7. 
   [1] 1 2 4 5
   
8. 
   > y[good]
   
9. 
   [1] "a" "b" "d" "f"
   

类似地，如果x，y两个向量的缺失值位置不同， complete.cases() 函数则取并集判断缺失位置：

1. 
   > x <- c(1, 2, NA, 4, NA, 5)
   
2. 
   > y <- c("a", "b", NA, NA, "d", "f")
   
3. 
   > good <- complete.cases(x, y)
   
4. 
   > good
   
5. 
   [1] TRUE TRUE FALSE FALSE FALSE TRUE
   
6. 
   >
   
7. 
   > x[good]
   
8. 
   [1] 1 2 5
   
9. 
   > y[good]
   
10. 
    [1] "a" "b" "f"
    

complete.cases() 函数也可以用于从数据框中移除缺失值

1. 
   > ## 创建数据框airquality
   
2. 
   > Ozone <- c(41, 36, 12, 18, NA, 28, 13, 15)
   
3. 
   > Solar.R <- c(190, 118, 149, 313, NA, NA, 244, 222)
   
4. 
   > Wind <- c (7.4, 8.0, 12.1, 11.2, 14.3, 13.9, 14.1, 15.2)
   
5. 
   > Temp <- c(67, 72, 74, 62, 56, 66, 22, 33)
   
6. 
   > Month <- c(5, 5, 5, 5, 5, 5, 5, 5)
   
7. 
   > Day <- c(1, 2, 3, 4, 5, 6, 7, 8)
   
8. 
   > airquality <- data.frame(Ozone, Solar.R, Wind, Temp, Month, Day)
   
9. 
   > airquality
   
10. 
    Ozone Solar.R Wind Temp Month Day
    
11. 
    1 41 190 7.4 67 5 1
    
12. 
    2 36 118 8.0 72 5 2
    
13. 
    3 12 149 12.1 74 5 3
    
14. 
    4 18 313 11.2 62 5 4
    
15. 
    5 NA NA 14.3 56 5 5
    
16. 
    6 28 NA 13.9 66 5 6
    
17. 
    7 13 244 14.1 22 5 7
    
18. 
    8 15 222 15.2 33 5 8
    
19. 
    >
    
20. 
    > ## 取数据框中的前六行数据
    
21. 
    > head(airquality)
    
22. 
    Ozone Solar.R Wind Temp Month Day
    
23. 
    1 41 190 7.4 67 5 1
    
24. 
    2 36 118 8.0 72 5 2
    
25. 
    3 12 149 12.6 74 5 3
    
26. 
    4 18 313 11.5 62 5 4
    
27. 
    5 NA NA 14.3 56 5 5
    
28. 
    6 28 NA 14.9 66 5 6
    
29. 
    >
    
30. 
    > ## 通过创建逻辑向量找到没有缺失数据的行
    
31. 
    > good <- complete.cases(airquality)
    
32. 
    > head(airquality[good, ])
    
33. 
    Ozone Solar.R Wind Temp Month Day
    
34. 
    1 41 190 7.4 67 5 1
    
35. 
    2 36 118 8.0 72 5 2
    
36. 
    3 12 149 12.6 74 5 3
    
37. 
    4 18 313 11.5 62 5 4
    
38. 
    7 23 299 8.6 65 5 7
    
39. 
    8 19 99 13.8 59 5 8
    

（六）提取某种条件下数据框的子集
如上例：
挑取Ozone列中数值大于18，且Temp数值大于60的数据子集，从该子集中计算Wind数据的平均值

1. 
   > Ozone <- c(41, 36, 12, 18, NA, 28, 13, 15)
   
2. 
   > Solar.R <- c(190, 118, 149, 313, NA, NA, 244, 222)
   
3. 
   > Wind <- c (7.4, 8.0, 12.1, 11.2, 14.3, 13.9, 14.1, 15.2)
   
4. 
   > Temp <- c(67, 72, 74, 62, 56, 66, 22, 33)
   
5. 
   > Month <- c(5, 5, 5, 5, 5, 5, 5, 5)
   
6. 
   > Day <- c(1, 2, 3, 4, 5, 6, 7, 8)
   
7. 
   > data <- data.frame(Ozone, Solar.R, Wind, Temp, Month, Day)
   
8. 
   > data
   
9. 
   Ozone Solar.R Wind Temp Month Day
   
10. 
    1 41 190 7.4 67 5 1
    
11. 
    2 36 118 8.0 72 5 2
    
12. 
    3 12 149 12.1 74 5 3
    
13. 
    4 18 313 11.2 62 5 4
    
14. 
    5 NA NA 14.3 56 5 5
    
15. 
    6 28 NA 13.9 66 5 6
    
16. 
    7 13 244 14.1 22 5 7
    
17. 
    8 15 222 15.2 33 5 8
    
18. 
    >
    
19. 
    > ## 设置条件
    
20. 
    > d2 <- data[data$Ozone>18 & data$Temp>60, ]
    
21. 
    > d2
    
22. 
    Ozone Solar.R Wind Temp Month Day
    
23. 
    1 41 190 7.4 67 5 1
    
24. 
    2 36 118 8.0 72 5 2
    
25. 
    6 28 NA 13.9 66 5 6
    
26. 
    > m <- d2$Wind
    
27. 
    > m
    
28. 
    [1] 7.4 8.0 13.9
    
29. 
    > mean(m)
    
30. 
    [1] 9.766667
    

参考资料：

1. https://bookdown.org/rdpeng/rprogdatascience/R Programming for Data Science
2. 《R语言实战》 Robert I. Kabacoff