r - 为什么数据框列上的 $ 和 [ 给出不同的输出表示和数据类型？

Question

我是 R 新手。只是通过在线教程学习。我的问题是:

1)为什么用不同的语法访问同一列会有不同的输出表现？

垂直显示:

> airquality["Ozone"]
    Ozone
1      41
2      36
3      12

水平显示:

airquality$Ozone
[1]  41  36  12  18  NA  28  23  19   8 
[46]  NA  21  37  20  12  13  NA  NA  NA
[91]  64  59  39   9  16  78  35  66 122

2)为什么以下有不同的数据类型？

> class(airquality["Ozone"])
[1] "data.frame"
> class(airquality$Ozone)
[1] "integer"
> class(airquality[["Ozone"]])
[1] "integer"

Answer 1

两者的原因相同:airquality["Ozone"] 返回一个数据帧，而 airquality$Ozone 返回一个向量。 class() 显示它们的对象类型。 str() 也适合简洁地显示一个对象。

请参阅 '[' operator 上的帮助，也称为“提取”，或函数 getElement()。在 R 中，您可以对特殊字符或运算符调用 help()，只需用引号将其引起来:?'[' 或 ?'$' (在 Python/C++/Java 或大多数其他语言中，我们称之为“切片”)。

至于为什么它们的打印方式不同，print(obj) R 中在底层调度一个特定于对象的打印方法。在本例中:print.dataframe ，它垂直打印数据帧列，并带有行索引，与 print (或 print.default) 对于向量，它仅水平打印向量内容，没有索引。

现在回到使用“[”与“$”运算符进行提取:

The most important distinction between ‘[’, ‘[[’ and ‘$’ is that the ‘[’ can select more than one element whereas the other two ’[[’ and ‘$’ select a single element.

还有一个“[[”提取语法，其作用类似于“$”选择单个元素(向量)的作用:

airquality[["Ozone"]]
[1]  41  36  12  18 

[["colname"]] 和 $colname 之间的区别是，在前者中，列名可以来自变量，但在后者中，它必须是一个字符串。因此，[[varname]] 将允许您根据 varname 的值对不同的列建立索引。

阅读有关 extract() 上的 exact=TRUE 和 drop=TRUE 选项的文档。注意 drop=TRUE 仅适用于数组/矩阵，不适用于数据帧，它会被忽略:

airquality["Ozone", drop=TRUE]
In `[.data.frame`(airquality, "Ozone", drop = TRUE) :
  'drop' argument will be ignored

一开始这一切都有点令人困惑、令人反感、古怪的不同和奇怪的不言自明。但一旦你学会了语法，它就有意义了。在那之前，感觉就像把头从符号墙上撞下来一样。

请简要浏览一下R-intro和 R-lang#Indexing HTML 或 PDF 格式。为它们添加书签并定期回来查看它们。在公共(public)汽车或飞机上阅读它们...

PS 正如 @Henry 提到的，严格来说，在访问数据帧时，我们应该插入一个逗号来消除列名应用于列而不是行的歧义:airquality[, "Ozone"]。如果我们使用数字索引，airquality[,1] 和 airquality[1] 都会提取 Ozone 列，而 airquality[1,] 提取第一行。 R 正在应用一些技巧，因为通常字符串不是行索引。

无论如何，这一切都在文档中...不一定都是连续的或清楚解释的...欢迎使用 R :-)