使用循环时 tbl_df 和 data.frame 的区别

Question

我一直在遍历 dplyr tbl_df 中的值，试图打印两列的唯一组合。经过多次试验和错误，我只能通过将 tbl_df 转换回标准 data.frame 来获得所需的输出。我知道这两种结构之间的主要区别，但我仍然无法理解我看到的不同输出。

例如，使用这个数据

hospital <- rep(c("Hospital 1", "Hospital 2", "Hospital 3"), 3)
ward <- LETTERS[1:2]
hospitals <- data.frame(cbind(hospital, ward))
hospitals[order(hospitals$hospital, hospitals$ward), ]

#     hospital ward
# 1 Hospital 1    A
# 7 Hospital 1    A
# 4 Hospital 1    B
# 5 Hospital 2    A
# 2 Hospital 2    B
# 8 Hospital 2    B
# 3 Hospital 3    A
# 9 Hospital 3    A
# 6 Hospital 3    B

和下面的循环

for(hosp in unique(hospitals$hospital)){
  for(wa in unique(hospitals[hospitals$hospital==hosp, "ward"])){
    print(paste(hosp, wa, sep=" "))
    }
  }

我可以得到我想要的输出

#[1] "Hospital 1 A"
#[1] "Hospital 1 B"
#[1] "Hospital 2 B"
#[1] "Hospital 2 A"
#[1] "Hospital 3 A"
#[1] "Hospital 3 B"

但是使用相同数据的 tbl_df 我得到不同的输出

hospitals2 <- tbl_df(hospitals)

for(hosp in unique(hospitals2$hospital)){
  for(wa in unique(hospitals2[hospitals2$hospital==hosp, "ward"])){
    print(paste(hosp, wa, sep=" "))
    }
  }


#[1] "Hospital 1 A" "Hospital 1 B"
#[1] "Hospital 2 B" "Hospital 2 A"
#[1] "Hospital 3 A" "Hospital 3 B"

这不仅仅是打印上的差异，这似乎是三个二元素向量而不是六个一元素向量，并且我的后续代码仅在我在普通数据帧上运行循环时才能按预期工作。

谁能解释为什么我会看到这些差异？

Answer 1

您不能在 tbl_df 上使用子集[ 执行 for loop。文档说明了一切：

[ 从不简化（丢弃），所以总是返回data.frame。

你看到hospitals2[hospitals2$hospital==hosp, "ward"]返回data.frame

hospitals2[hospitals2$hospital==hosp, "ward"]
#Source: local data frame [3 x 1]

#  ward
#1    A
#2    B
#3    A

而

hospitals[hospitals$hospital==hosp, "ward"]
#[1] A B A
#Levels: A B

例如使用[[提取列向量

for(hosp in unique(hospitals2$hospital)){
    for(wa in unique(hospitals[hospitals$hospital==hosp,][["ward"]])){
        print(paste(hosp, wa, sep=" "))
    }
} 
#[1] "Hospital 1 A"
#[1] "Hospital 1 B"
#[1] "Hospital 2 B"
#[1] "Hospital 2 A"
#[1] "Hospital 3 A"
#[1] "Hospital 3 B"