r - 为什么不存在的 data.frame 列中的项目分配有效？

Question

灵感来自 Q6437164 :有人可以向我解释为什么以下有效:

iriscopy<-iris #or whatever other data.frame
iriscopy$someNonExistantColumn[1]<-15

对我来说，R 如何解释这个语句似乎并不明显:创建一个名为 someNonExistantColumn 的新列。在 data.frame 中，并将第一个值(实际上，所有值，看起来)设置为值 15。

Answer 1

R 语言定义手册为我们提供了 R 如何评估以下形式的表达式的指针:

x$foo[1] <- 15

也就是说，就好像我们已经打电话

`*tmp*` <- x
x <- "$<-.data.frame"(`*tmp*`, name = "foo", 
                      value = "[<-.data.frame"("$.data.frame"(`*tmp*`, "foo"), 
                                               1, value = 15))
rm(`*tmp*`)

如果为了说明的目的，我们放弃使用的实际方法，中间部分可能更容易解决:

x <- "$<-"(`*tmp*`, name = "foo", 
           value = "[<-"("$"(`*tmp*`, "foo"), 1, value = 15))

使用 iris 回到你的例子，我们有类似的东西

iris$foo[1] <- 15

在这里，函数被递归评估。首先提取函数 "$"用于访问组件 "foo"来自 iris , 即 NULL :

> "$"(iris, "foo")
NULL

然后， "[<-"用于将上面返回的对象的第一个元素( NULL )替换为值 15 ，即调用:

> "[<-"(NULL, 1, value = 15)
[1] 15

现在，这是用作参数的对象 value在我们调用的最外层，即使用 "$<-" 的赋值:

> head("$<-"(iris, "foo", value = 15))
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species foo
1          5.1         3.5          1.4         0.2  setosa  15
2          4.9         3.0          1.4         0.2  setosa  15
3          4.7         3.2          1.3         0.2  setosa  15
4          4.6         3.1          1.5         0.2  setosa  15
5          5.0         3.6          1.4         0.2  setosa  15
6          5.4         3.9          1.7         0.4  setosa  15

(此处包含在 head() 中以限制显示的行数。)

这有望解释该函数如何调用进度。最后要处理的问题是为什么整个向量 foo设置为15？ ?"$<-.data.frame" 的详细信息部分给出了答案。 :

Details:

....

         Note that there is no ‘data.frame’ method for ‘$’, so ‘x$name’
     uses the default method which treats ‘x’ as a list.  There is a
     replacement method which checks ‘value’ for the correct number of
     rows, and replicates it if necessary.

关键是最后一句话。在上面的例子中，最外层的赋值使用了 value = 15 .但此时，我们想要替换整个组件 "foo" ，其长度为 nrow(iris) .因此，实际使用的是 value = rep(15, nrow(iris)) , 在最外层的赋值/函数调用中。

这个例子更加复杂，因为你必须从方便的符号转换

x$foo[1] <- 15

使用 "$<-"() 进入正确的函数调用, "[<-"() , 和 "$"() . Section 3.4.4中的例子R语言定义的使用这个更简单的例子:

names(x)[3] <- "Three"

其评估为

`*tmp*` <- x
x <- "names<-"(`*tmp*`, value="[<-"(names(`*tmp*`), 3, value="Three"))
rm(`*tmp*`)

这稍微容易一些，因为 names()看起来像一个普通的函数调用。