baseR_subsetting.Rmd

# 子集选取 {#baseR-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。 -->

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（**赋值**），可以查看里面的内容或者对里面的内容做计算（**函数**），也可以从盒子里取出**部分**东西（**子集选取**）。

**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，我们有至少四种选取子集的方法
```{r subsetting-1}
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 subsetting-2}
x[1]
```

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


```{r subsetting-4}
x[c(3, 1)]
```

- 负整数：删除指定位置的元素
```{r subsetting-5}
x[-2]
```

```{r subsetting-6}
x[c(-3, -4)]
```


- 逻辑向量：将`TRUE`对应位置的元素提取出来

```{r, out.width = '80%', echo = FALSE}
knitr::include_graphics("images/vector-subset.png")
```

```{r subsetting-7}
x[c(TRUE, FALSE, TRUE, FALSE, TRUE)]
```

常用的一种情形；筛选出大于某个值的所有元素
```{r subsetting-8}
x > 3
```

```{r subsetting-9}
x[x > 3]
```


- 如果是命名向量
```{r subsetting-10}
y <- c("a" = 11, "b" = 12, "c" = 13, "d" = 14)
y
```

我们可以用命名向量，返回其对应位置的向量
```{r subsetting-11}
y[c("d", "c", "a")]
```

## 列表

对列表取子集，和向量的方法一样。向量的子集仍然是向量，使用`[`提取列表的子集，总是返回列表
```{r subsetting-12}
l <- list(
  "one"   = c("a", "b", "c"),
  "two"   = c(1:5),
  "three" = c(TRUE, FALSE)
)
l
```

使用位置索引
```{r subsetting-13}
l[1]
```

也可以使用元素名
```{r}
l["one"]
```

如果想提取列表某个元素的值，需要使用 `[[`
```{r subsetting-14}
l[[1]]
```

也可以使用其中的元素名，比如`[["one"]]`，
```{r subsetting-15}
l[["one"]]
```

取出`one`位置上的元素，需要写`[["one"]]`，程序员觉得要写太多的字符了，太麻烦了，所以用`$`来简写
```{r subsetting-16}
l$one
```

所以请记住

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

```{r subsetting-17}
a <- matrix(1:9, nrow = 3)
a
```

我们取第1行到第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 subsetting-18}
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 subsetting-19}
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

- 行方向，只选取第 1 行到第 2 行
- 列方向，选取所有列

可以这样简写

```{r subsetting-20}
a[1:2, ]
```

对于下面这种情况，想想，会输出什么
```{r subsetting-21}
a[, ]
```
可以再简化点？
```{r subsetting-22}
a[]
```

是不是可以再简化点？
```{r subsetting-23}
a
```

## 数据框

数据框具有list和matrix的双重属性，因此

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

```{r subsetting-24}
df <- data.frame(
  x = 1:4,
  y = 4:1,
  z = c("a", "b", "c", "d")
)
df
```

### Like a list

```{r}
df[1:2]
```


```{r subsetting-25}
df[c("x", "z")]
```


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


```{r}
df$x
```

### Like a matrix

```{r subsetting-26}
df[, c("x", "z")]
```


也可以通过行和列的位置

```{r subsetting-28}
df[1:3, ]
```


当遇到单行或单列的时候，也和矩阵一样，数据会降维
```{r subsetting-29}
df[, "x"]
```


如果想避免降维，需要多写一句话
```{r subsetting-30}
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 subsetting-31}
tb <- tibble::tibble(
  x = 1:4,
  y = 4:1,
  z = c("a", "b", "c", "d")
)
tb
```


```{r subsetting-32}
tb["x"]
```


```{r subsetting-33}
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？

```{r subsetting-34, include=FALSE}
m <- matrix(1:9, nrow = 3)
m
```


```{r subsetting-35, include=FALSE}
diag(m)
upper.tri(m, diag = FALSE)
```


```{r subsetting-36, include=FALSE}
m[upper.tri(m, diag = FALSE)]
```

- 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？

- 不添加参数na.rm = TRUE的前提下，用sum()计算向量x的元素之和

```{r, eval=FALSE}
x <- c(3, 5, NA, 2, NA)
```

提示：

- 使用is.na(x) 检查向量元素是否为缺失值，并保存为新的对象x_missing
- 将所有缺失值赋值为0
- 然后sum() 计算

```{r, include=FALSE}
x <- c(3, 5, NA, 2, NA)
x_missing <- is.na(x)
x_missing

x[x_missing] <- 0
x
sum(x)
```


- 找出x向量中的偶数
```{r}
x <- 1:10
x
```


```{r, include=FALSE}
x[x %% 2 == 0]
```





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

```{r subsetting-38, echo = F, message = F, warning = F, results = "hide"}
pacman::p_unload(pacman::p_loaded(), character.only = TRUE)
```