R中的子集（）与$ [关闭]

Question

我试图理解 R 中 subset() 函数和 $ 运算符的使用的怪癖。我将以 R 中的CO2 数据集为例：

我可以跑

sub <- subset(CO2, CO2$Type=="Quebec")

没有错误地到达相同的数据集，就像我要运行一样

sub <- subset(CO2, Type=="Quebec")

但是，我发现情况并非总是如此。

有时在subset() 函数中包含$ 会产生以下错误

$ 运算符对原子向量无效

是什么触发了“$ 运算符对原子向量无效”错误？ 为什么在某些情况下允许使用$（如上面的二氧化碳示例）但在其他情况下不允许使用？（当我通过read.csv() 引入自己的数据时，我特别沮丧，有时我会收到错误消息当尝试使用 $ 进行子集化时，有时我没有任何可辨别的模式）

谢谢！

根据下面的 cmets，我正在尝试发布可重现的示例。

下面是触发错误的情况：

    Moose<-structure(list(Moose = 1:25, Tagging_Loc = structure(c(1L, 1L, 
2L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 1L, 2L, 1L, 
2L, 1L, 1L, 2L, 1L, 2L, 2L), .Label = c("A", "B"), class = "factor"), 
    Gender = structure(c(2L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 1L, 
    2L, 1L, 1L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 1L, 2L, 1L, 
    2L), .Label = c("F", "M"), class = "factor"), Age = c(20L, 
    23L, 14L, 15L, 10L, 9L, 5L, 10L, 19L, 22L, 21L, 21L, 7L, 
    16L, 19L, 9L, 23L, 5L, 9L, 10L, 16L, 8L, 13L, 14L, 6L), Weight = c(1366L, 
    1006L, 888L, 1359L, 899L, 635L, 400L, 1000L, 1012L, 1480L, 
    1001L, 1100L, 482L, 1414L, 971L, 725L, 1400L, 416L, 790L, 
    970L, 921L, 560L, 1103L, 904L, 669L), Distance = c(250.5, 
    410.239, 457.6402591, 245.8523, 430.9975, 308.8673107, 212.5212497, 
    414.2093545, 439.6581, 215.6491489, 464.2384, 425.4256828, 
    233.5635555, 207.98, 453.7098751, 390.0506365, 235.5212497, 
    207.368, 427.5084899, 443.0452824, 459.8999274, 274.6856592, 
    350.5661674, 456.9600032, 330.146)), .Names = c("Moose", 
"Tagging_Loc", "Gender", "Age", "Weight", "Distance"), class = "data.frame", row.names = c(NA, 
-25L))

sub_Moose<-subset(Moose, Moose$Tagging_Loc=="A")

sub_Moose<-subset(Moose, Tagging_Loc=="A")'

但如果我只更改数据集的名称，subset() 的两个版本都可以正常运行 - 没有错误：

    mOose<-structure(list(Moose = 1:25, Tagging_Loc = structure(c(1L, 1L, 
2L, 1L, 1L, 2L, 2L, 2L, 2L, 1L, 2L, 1L, 2L, 2L, 1L, 1L, 2L, 1L, 
2L, 1L, 1L, 2L, 1L, 2L, 2L), .Label = c("A", "B"), class = "factor"), 
    Gender = structure(c(2L, 1L, 1L, 2L, 2L, 1L, 1L, 2L, 1L, 
    2L, 1L, 1L, 1L, 2L, 1L, 2L, 2L, 1L, 2L, 2L, 1L, 1L, 2L, 1L, 
    2L), .Label = c("F", "M"), class = "factor"), Age = c(20L, 
    23L, 14L, 15L, 10L, 9L, 5L, 10L, 19L, 22L, 21L, 21L, 7L, 
    16L, 19L, 9L, 23L, 5L, 9L, 10L, 16L, 8L, 13L, 14L, 6L), Weight = c(1366L, 
    1006L, 888L, 1359L, 899L, 635L, 400L, 1000L, 1012L, 1480L, 
    1001L, 1100L, 482L, 1414L, 971L, 725L, 1400L, 416L, 790L, 
    970L, 921L, 560L, 1103L, 904L, 669L), Distance = c(250.5, 
    410.239, 457.6402591, 245.8523, 430.9975, 308.8673107, 212.5212497, 
    414.2093545, 439.6581, 215.6491489, 464.2384, 425.4256828, 
    233.5635555, 207.98, 453.7098751, 390.0506365, 235.5212497, 
    207.368, 427.5084899, 443.0452824, 459.8999274, 274.6856592, 
    350.5661674, 456.9600032, 330.146)), .Names = c("Moose", 
"Tagging_Loc", "Gender", "Age", "Weight", "Distance"), class = "data.frame", row.names = c(NA, 
-25L))

sub_Moose<-subset(mOose, mOose$Tagging_Loc=="A")

sub_Moose<-subset(mOose, Tagging_Loc=="A")

Answer 1

不要将$ 与子集一起使用！要么使用

sub <- subset(CO2, Type=="Quebec")

或使用

sub <- CO2[CO2$Type=="Quebec", ]

subset() 函数通过评估 data.frame 环境中的所有符号来工作。在您的Moose 示例中，您的data.frame Moose 有一个列名Moose。所以当你运行时

sub_Moose <- subset(Moose, Moose$Tagging_Loc=="A")

表达式Moose$Tagging_Loc=="A" 在data.frame 的环境中进行评估。在该 data.frame 中，有一个名为 Moose 的列，以便在找到同名的 data.frame 之前计算列向量。请注意，with() 很像subset()，因为它在环境或 data.frame 的上下文中评估表达式。观察

class(Moose)
# [1] "data.frame"
with(Moose, class(Moose))
# [1] "integer"
class(Moose$Moose)
# [1] "integer"

所以Moose$Tagging_Loc=="A" 仅在Moose 是data.frame 时有效，但当您使用subset() 时，Moose 是整数向量，因为它首先查找列。