subsetting.Rmd

# 子集选取 {#subsetting}

子集选取单独作一章，说明它确实很重要。

上一章讲对象、数据类型和数据结构等概念。为了方便理解，我这里打个比方，
**对象**就是我们在计算机里新建了存储空间，好比一个盒子，
我们可以往盒子里面装东西，比如鞋子、袜子、糖果东西。**数据类型**就是指我们装的东西的类型，比如是吃的还是用的呢，
只不过计算机用的是机器语言，称之为，数值型、字符串型、因子型等等。
**数据结构**就是盒子里东西的摆放次序，是相同的（同质）放一起，还是不同的（异质）放一起，
相同的放一起就是向量、矩阵；不同的放一起可能是列表和数据框。


**子集选取**，就是从盒子里取东西出来[^1]。

[^1]: 操控盒子里的东西，比如把糖果变大，这个过程叫函数.

## 向量


对于原子型向量，我们有至少四种方法取子集
```{r}
x <- c(1.1, 2.2, 3.3, 4.4, 5.5)
```


- 正整数： 指定向量元素中的位置
```{r}
x[1]
```

```{r}
x[c(3,1)]
```

- 负整数：删除指定位置的元素
```{r}
x[-2]
```

- 逻辑向量：将`TRUE`对应位置的元素提取出来
```{r}
x[c(TRUE, FALSE, TRUE, FALSE, TRUE)]
```



- 如果是命名向量
```{r}
y <- c("a" =  11, "b" =  12, "c" =  13, "d" =  14)
y
```

我们可以用名字向量，返回对应位置的向量
```{r}
y[c("d", "c", "a")]
```

## 列表

对列表取子集，和向量的方法一样。使用`[`总是返回列表，`[[`和`$` 返回列表中的元素
```{r}
l <- list("one" = c("a", "b", "c"), 
		  "two" = c(1:5), 
		  "three" = c(TRUE, FALSE)
		  )
l
```

```{r}
l[1]
```

```{r}
l[[1]]
```
也可以
```{r}
l[["one"]]
```
取出`one`位置上的元素，需要写`[["one"]]`， 程序员觉得太麻烦了，所以用`$`来简写
```{r}
l$one
```

所以请记住

- `[` 和`[[`的区别
- `x$y` 是 `x[["y"]]`的简写
 
 
## 矩阵

```{r}
a <- matrix(1:9, nrow = 3)
a
```
我们取第1到2行的2-3列，`[1:2, 2:3]`，中间以逗号分隔，于是得到一个新的矩阵
```{r}
a[1:2, 2:3]
```

默认情况下, `[` 会将获取的数据，以尽可能低的维度形式呈现。比如
```{r}
a[1, 1:2]
```
表示第1行的第1、2列，此时不是$1 \times 2$矩阵，而是包含了两个元素的向量。
**以尽可能低的维度形式呈现**，换句话说，这个`r a[1, 1:2]`长的像个矩阵，又有点像向量，向量的维度比矩阵低，那就是向量吧。


有些时候，我们想保留所有的行或者列，比如这里我们选取1到2行的所有列，可以这样简写

```{r}
a[1:2, ]
```

想想，会输出什么
```{r}
a[,]
```
可以再简化点？
```{r}
a[]
```

是不是可以再简化点？
```{r}
a
```

## 数据框

数据框具有list和matrix的属性，因此

- 当选取数据框的某几列的时候，可以和list一样，指定元素位置，比如`df[1:2]`选取前两列 
- 也可以像矩阵一样，使用行和列的标识选取，比如`df[1:3, ]`选取前三行的所有列

```{r}
df <- data.frame(x = 1:4,
				 y = 4:1,
				 z = c("a", "b", "c", "d")
				 )
df
```
```{r}
# Like a list
df[c("x", "z")]
```



```{r}
# Like a matrix
df[, c("x", "z")]
```


也可以通过行和列的位置
```{r}
df[1:2]
```


```{r}
df[1:3, ]
```


也和矩阵一样，遇到单行单列的时候，数据会降维
```{r}
df[, "x"]
```


如果不想避免降维，需要多写一句话
```{r}
df[, "x", drop = FALSE]
```
这样输出的还是矩阵形式, 但程序员总是偷懒的，有时候我们也容易忘记写`drop = FALSE`，
所以我比较喜欢下面的`tibble`.



## 增强型数据框

tibble是增强型的data.frame，选取tibble的行或者列，即使遇到单行或者单列的时候，数据也不会降维，总是返回tibble，即仍然是数据框的形式。

```{r}
tb <- tibble::tibble(
  x = 1:4,
  y = 4:1,
  z = c("a", "b", "c", "d")
)
tb
```


```{r}
tb["x"]
```


```{r}
tb[, "x"]
```
除此以外，`tibble`还有很多优良的[特性](https://tibble.tidyverse.org/)，我们会在第 \@ref(tibble) 章专门讲




## 延伸阅读

- 如何获取`matrix(1:9, nrow = 3)`上对角元? 对角元？
- 对数据框，思考`df["x"]`， `df[["x"]]`， `df$x`三者的区别?
- 如果`x`是一个矩阵，请问 `x[] <- 0` 和`x <- 0` 有什么区别？

```{r, eval=FALSE}
m <- matrix(1:9, nrow = 3)
m
```


```{r, eval=FALSE}
diag(m)
upper.tri(m, diag = FALSE)
```


```{r, eval=FALSE}
m[upper.tri(m, diag = FALSE)]
```



```{r, echo = F}
# remove the objects
# rm(a, df, l, tb, x, y)
```

```{r, echo = F, message = F, warning = F, results = "hide"}
# pacman::p_unload(pacman::p_loaded(), character.only = TRUE)
```