子集大于匹配

Question

我想对我这样做的数据框进行子集化：

test = genes_names %in% annot2$Short_Name_Sc
summary(test)  # 3140 rows to subset
## Mode       FALSE    TRUE    NA's 
## logical    2146    3140       0 

test2 = annot2[test, 1]
nrow(annot2)
## [1] 5371
nrow(test2)
## [1] 3195 # There are 55 rows unexpected

令我惊讶的是，test2 对象在 test 向量中的行数比 TRUEs 多。我认为这可能是[] 的子集。

我尝试使用子集：

probe = subset(annot2, test, 1)

但它的行数与前面的代码相同。有什么解释吗？

数据很大，所以我没有发布它，不幸的是我没有设法制作一个可重现的例子。 数据集都是字符：

summary(annot2)
## Probe_ID         Short_Name_Sc      Systematic_Name_Sc
## Length:5371        Length:5371        Length:5371       
## Class :character   Class :character   Class :character  
## Mode  :character   Mode  :character   Mode  :character

summary(genes_names)
## Length     Class      Mode 
## 5286       character  character 

Answer 1

观察到这种行为是由于genes_names 和annot2[, 1] 的长度不同，导致向量test 被部分回收。向量test 和genes_names 的长度为5286，但nrow(annot2) 等于5371。所以当调用annot2[test, 1] 时，结果实际上是annot2[c(test, test[1:85]), 1]（数字85 来自长度的差异；85 = 5371 - 5286）。

使用 mtcars 的可重现示例，它有 32 行：如果我们将 test 定义为长度不除以 32 的某个逻辑向量，例如test <- c(T, T, F, F, T)，则mtcars[test, 1]与mtcars[c(rep(test, 6), test[1:2]), 1]相同，长度为20。向量test被尽可能多地回收以适应32行mtcars（即6次），返回18行（因为在 test 中有 3 个 TRUE 值）加上来自 test 的前两个元素的另外 2 行（因为 32 = 2 mod 5）。