数据集上的"子集"和"["给出的结果略有不同,为什么？

Question

有人可以解释一下为什么我在identical()下面的两行代码(调用)中得到不同的结果吗？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()在调用每列上的函数之前,该函数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null的rownames,而as.matrix(df_ab)不是:

> 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,当您apply()对列进行子集化时df_AB,会得到一个命名向量,该向量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()函数对比,该函数使用逻辑向量选择行作为值i.它看起来像是一个带有非缺失值的data.frame的子集,i导致row.names属性中的这种差异:

> 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"

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

正如Roland在他的评论中指出的那样,您可以使用该.row_names_info()函数来查看仅在行名称中的差异.

请注意,当i缺失时,结果.row_names_info()为负,但如果您使用非缺失进行子集,则结果为正i.

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

这些值的含义解释?.row_names_info如下:

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在应用函数之前将数据帧转换为矩阵.由于创建的子集中的行名称[(请参阅@Joshua Ulrich的答案),这些值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,在两个数据框中,第一列中的值都相同1:5.

Answer 3

在一个版本(使用[)中,您的列是整数,而在另一个版本(使用subset)中,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