R 对数据框和变量的通用引用

Question

我想知道如何引用数据框和变量通用。假设我有一个名为“s”的数据框，并且该数据框中有一个名为“Y”的变量。

常规 R 代码:

look = s$Y

我想做的事:

data = s

variable = Y

look = data$variable (which functions the same as look = s$Y)

有什么想法吗？我想这样做的原因是我的代码中有 s$Y ，稍后我可能想将 s 更改为 t (或 Y 对于其他变量)，并且不想手动遍历我的所有代码，将 s$Y 替换为 t$Y 我需要更改的地方。

谢谢!

Answer 1

这就是$的原因- 运算符在函数定义中被认为是不好的做法，即它“将您锁定”到列名称的特定拼写。但是，您不会这样做:

variable = Y

相反，你要这样做:

variable = "Y"

这是因为第一个版本会导致 R 解释器出去并尝试识别符号 Y 的值。位于所谓的“搜索路径”中的某个位置，粗略地说，是自代码启动以来已被调用且仍在处理的所有函数和值。在第二个版本的情况下，“Y”是它自己的值，不需要进一步搜索。纠正了这个基本的困惑后，您现在就可以这样做

look <- data[[ variable ]]  # although using 'data' as a name is another "poor-practice"

R 将查找值 variable并在全局环境中找到它，返回字符“Y”并从数据集中提供名为“Y”的列 s 。在 R 中，列名不被视为第一类对象，而命名数据框则被视为。列的“名称”不正确 R names (即使它们被称为 colnames ).. $ - 运算符只是带有字符值的“[[”的简写。这是测试这一点的完整记录:

> s <- data.frame(Y=1:10, X=LETTERS[1:10]); data = s
> 
> variable <- "Y"
> 
> look1 <- data$Y; look2 <- data[["Y"]]
> identical(look1, look2)
[1] TRUE

R 的这种“非标准评估”(NSE)简写功能给新用户带来的困惑似乎是创建第一个 ggplot aes 的动机之一。功能以及后来封装的演变-dplyr和 tidyverse - bundle 。这些包允许使用不带引号的名称或标记来引用列标识。