Почему `` `` лучше, чем `подмножество`?

Question

Когда мне нужно фильтровать data.frame, то есть извлекать строки, которые удовлетворяют определенным условиям, я предпочитаю использовать subset функцию:

subset(airquality, Month == 8 & Temp > 90) 

, а не функцию [:

airquality[airquality$Month == 8 & airquality$Temp > 90, ] 

Там являются двумя основными причинами для моих предпочтений:

1. Я нахожу, что код читается лучше, слева направо. Даже люди, которые ничего не знают о R, могут сказать, что делает вышеприведенное заявление subset.

2. Поскольку столбцы можно назвать переменными в выражении select, я могу сэкономить несколько нажатий клавиш. В моем примере выше мне только приходилось вводить airquality один раз с subset, но три раза с [.

Так я жил счастливым, используя subset везде, потому что он короче и читает лучше, даже защищая свою красоту моих коллег кодеров R. Но вчера мой мир развалился. При чтении документации subset, я заметил этот раздел:

Warning

This is a convenience function intended for use interactively. For programming it is better to use the standard subsetting functions like [, and in particular the non-standard evaluation of argument subset can have unanticipated consequences.

Может кто-нибудь помочь уточнить, что означают авторы?

Во-первых, что они означают по «для интерактивного использования»? Я знаю, что такое интерактивный сеанс, в отличие от сценария, запускаемого в режиме BATCH, но я не вижу, какую разницу он должен сделать.

Тогда, не могли бы вы объяснить «нестандартную оценку подмножества аргументов» и почему это опасно, может быть, привести пример?

Answer 1

Этот вопрос был поставлен под вопрос в комментариях @James, указывая на отличное объяснение Хэдли Уикхэма об опасностях subset (и функционирует как это) [here]. Пойдите, прочитайте это!

Это довольно длинный для чтения, так что это может быть полезно, чтобы записать здесь пример, который использует Hadley, что наиболее непосредственно рассматривается вопрос о том, «что может пойти не так?»:

Hadley предлагает следующий пример: предположим, что мы хочу подмножество, а затем изменить порядок кадр данных, используя следующие функции:

scramble <- function(x) x[sample(nrow(x)), ] 

subscramble <- function(x, condition) { 
    scramble(subset(x, condition)) 
} 

subscramble(mtcars, cyl == 4) 

Это возвращает ошибку:

Error in eval(expr, envir, enclos) : object 'cyl' not found

потому что R не ло nger «знает», где найти объект под названием «цил». Он также указывает на действительно странный материал, который может произойти, если случайно есть объект под названием «цил» в глобальной среде:

cyl <- 4 
subscramble(mtcars, cyl == 4) 

cyl <- sample(10, 100, rep = T) 
subscramble(mtcars, cyl == 4) 

(Выполнить их и посмотреть на себя, это довольно сумасшедшим.)

Answer 2

Также [ быстрее:

require(microbenchmark)   
microbenchmark(subset(airquality, Month == 8 & Temp > 90),airquality[airquality$Month == 8 & airquality$Temp > 90,]) 
    Unit: microseconds 
                  expr  min  lq median  uq  max neval 
        subset(airquality, Month == 8 & Temp > 90) 301.994 312.1565 317.3600 349.4170 500.903 100 
    airquality[airquality$Month == 8 & airquality$Temp > 90, ] 234.807 239.3125 244.2715 271.7885 340.058 100