关于“==”操作符行为的解释

Question

在以下非常简单的示例中，我无法理解“==”运算符的行为。

A <- c(10, 20, 10, 10, 20, 30)
B <- c(40, 50, 60, 70, 80, 90)

df <- data.frame(A, B)

df[df$A == c(10,20), ]      # it returns 3 lines instead of 5
df[df$A %in% c(10,20), ]    # it works properly and returns 5 lines

提前谢谢大家。

Answer 1

要了解发生了什么，您必须了解数据帧结构和回收规则。数据框只是一个向量列表。

> unclass(df)
$A
[1] 10 20 10 10 20 30

$B
[1] 50 60 50 40 70 80

attr(,"row.names")
[1] 1 2 3 4 5 6

如果你在 R 中比较两个不同长度的向量，较短的向量是recycled。在您的情况下，df$A == c(10,20) 相当于：

> c(10, 20, 10, 10, 20, 30) == c(10, 20, 10, 20, 10, 20)
[1]  TRUE  TRUE  TRUE FALSE FALSE FALSE

和

> df[c(TRUE, TRUE, TRUE, FALSE, FALSE, FALSE), ]
   A  B
1 10 50
2 20 60
3 10 50

来自%in% documentation：

%in% 返回一个逻辑向量，指示是否存在匹配 它的左操作数

> df$A %in% c(10,20)
[1]  TRUE  TRUE  TRUE  TRUE  TRUE FALSE

和

> df[c(TRUE, TRUE, TRUE, TRUE, TRUE, FALSE), ]
   A  B
1 10 50
2 20 60
3 10 50
4 10 40
5 20 70

Answer 2

这是我的解决方案，我希望为其他（非常好的）答案添加一些见解。正如 Norman Matloff 在“R 编程的艺术”中所述：

当对两个向量应用运算时，要求它们是 同样的长度，R自动循环，或者重复，较短的那个， 直到它足够长以匹配更长的那个

如果概念仍然不清楚。看看这个并尝试猜测输出：

c(10, 10, 10, 10, 10, 10) == c(10, 20)

这将给出：

[1]  TRUE FALSE  TRUE FALSE  TRUE FALSE

因为它回收了“更短”的向量，并通过这样做将右侧的第一个 10 与左侧的第一个（即 TRUE）进行比较，但将第二个 10 与 20（第二个元素右边的向量），那是FALSE；之后，R 循环使用较短的向量（即右侧的向量），游戏重新开始。