r - 在 R 中，向量和数据帧是有序集还是无序集？

Question

在教人们 R 时，我基本上是教他们假设数据框没有固有顺序。换句话说，每一行都是一个独立的观察，并且，用更多的数学术语来说，数据帧是无序集。我以这种方式查看数据帧，因为在学习 R 之前很久，我就学习了 SQL，并且 SQL 标准明确表示不能保证表中记录的顺序或查询返回结果的顺序(它基本上取决于实现) .对我来说，这是对 R 最安全的假设，因为这意味着我将始终在需要时手动排序，这永远不会导致意外行为(假设我没有在排序中犯下自己的错误)。

问题是，很多来 R 的人，包括我教的人，都没有与我相同类型的编程或数据库背景。所以看到人们做出相反的假设是很常见的，因为它工作量少，而且永远不会给他们带来麻烦。公平地说，这可能是一个安全的假设，至少在基础 R 的情况下是这样。但是随后您进入用户贡献的包，这些包可能会或可能不会做出相同的考虑。鉴于假设永远不会导致他们出现问题，有时很难说服人们在考虑这些事情时要小心(我目前正在探索一个问题，尽管有些极端情况，但从实际角度来看，它可能与很多人相关的人)。

因此，当我为此争论不休时，关于此事的官方文档会很有帮助。问题是我还没有在 R Language Definition 中找到关于数据框行顺序的明确确认。 .关于 data frames 的部分有点帮助它明确指出许多人认为行号的数字实际上是行名(R 只是使用数字作为合理的默认值)，我可以通过以下方式轻松说明这些不仅仅是行号:

> df <- data.frame(a = 5:1, b = 3:7)
> df
  a b
1 5 3
2 4 4
3 3 5
4 2 6
5 1 7
> df2 <- df[-3, ]
> df2
  a b
1 5 3
2 4 4
4 2 6
5 1 7
> 

但是有什么更正式的吗？类似于“用户不应假定数据框具有隐式顺序”的内容？或者，相反，是否有任何明确声明用户可以依赖数据框中的行顺序，至少对于基本 R 是这样？

Answer 1

我读过许多 R 文档，但没有看到任何关于数据帧是无序集或无序集的正式记录。这并不是说它没有写在某个地方，因为文档非常广泛。

多年来，我一直在向学生教授数据库概念，我总是告诉他们，除了数据输入顺序之外，表格没有特别的顺序，这通常对最终用户没有任何意义。查询结果也一样。当我教 R 时，我告诉他们对于数据框也是如此——行的顺序没有特别的意义，只是说这可能是最初输入记录的方式。行名称，无论您喜不喜欢，都是数据框的一个属性，不应与行索引号混淆，尽管它们可能相同。

现在，一些用户贡献的包作者已经用特殊类型的数据帧混淆了水域，包“tibble”中的“tbl_df”就是一个典型的例子。在获取子集时保留“data.frame”的行名属性的地方，“tbl”的行名则不是。以下示例演示:

> df <- data.frame(a = 5:1, b = 3:7)
> df
  a b
1 5 3
2 4 4
3 3 5
4 2 6
5 1 7

> df[2,]
  a b
2 4 4

> rownames(df[2,])
[1] "2"

> library(tibble)
> dt <- as_tibble(df)
> dt
# A tibble: 5 x 2
      a     b
  <int> <int>
1     5     3
2     4     4
3     3     5
4     2     6
5     1     7

> dt[2,]
# A tibble: 1 x 2
      a     b
  <int> <int>
1     4     4

> rownames(dt[2,])
[1] "1"

不过我喜欢小点心。一个很好的特性，还有很多，是行名有一个更浅的灰色阴影(你在这里看不到它)。所以新的 R 用户可以看到它们不是数据中的变量，但它们在那里，可能用于某些可能不会立即显现的有用目的。我告诉我的学生，行名不一定是索引号，不要太在意行名或排序。