Dlaczego „[„ lepszy niż „podzbiór”?

Kiedy muszę filtrować ramkę data.frame, tzn. Wyodrębnić wiersze spełniające określone warunki, wolę użyć subsetfunkcji:

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

Zamiast [funkcji:

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

Są dwa główne powody mojej preferencji:

1. Uważam, że kod czyta się lepiej, od lewej do prawej. Nawet ludzie, którzy nie wiedzą nic o R, mogą powiedzieć, co subsetrobi powyższe stwierdzenie.

2. Ponieważ kolumny w selectwyrażeniu mogą być nazywane zmiennymi , mogę zapisać kilka naciśnięć klawiszy. W powyższym przykładzie musiałem pisać airqualitytylko raz subset, ale trzy razy [.

Tak więc żyłem szczęśliwy, używając subsetwszędzie, ponieważ jest on krótszy i czyta się lepiej, a nawet polecam jego piękno innym znajomym koderom R. Ale wczoraj mój świat się rozpadł. Podczas czytania subsetdokumentacji zauważam ten rozdział:

Ostrzeżenie

Jest to wygodna funkcja przeznaczona do użytku interaktywnego. Do programowania lepiej jest używać standardowych funkcji podzestawu, takich jak [, aw szczególności niestandardowa ocena podzbioru argumentów może mieć nieoczekiwane konsekwencje.

Czy ktoś mógłby pomóc wyjaśnić, co mają na myśli autorzy?

Po pierwsze, co rozumieją przez „ do użytku interaktywnego ”? Wiem, czym jest sesja interaktywna, w przeciwieństwie do skryptu uruchamianego w trybie BATCH, ale nie widzę, jaką różnicę powinna ona robić.

Czy mógłbyś zatem wyjaśnić „ niestandardową ocenę podzbioru argumentów ” i dlaczego jest to niebezpieczne, może podać przykład?

Odpowiedzi na to pytanie udzielono w komentarzach @James, wskazując na doskonałe wyjaśnienie Hadleya Wickhama na temat niebezpieczeństw subset(i podobnych funkcji) [tutaj] . Przeczytaj to!

Jest to nieco długa lektura, więc pomocne może być zanotowanie tutaj przykładu, który wykorzystuje Hadley, który najbardziej bezpośrednio odnosi się do pytania „co może pójść nie tak?

Hadley sugeruje następujący przykład: załóżmy, że chcemy rozdzielić, a następnie zmienić kolejność ramki danych za pomocą następujących funkcji:

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

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

subscramble(mtcars, cyl == 4)

To zwraca błąd:

Błąd w eval (expr, envir, encos): nie znaleziono obiektu „cyl”

ponieważ R już nie „wie”, gdzie znaleźć obiekt o nazwie „cyl”. Wskazuje również na naprawdę dziwaczne rzeczy, które mogą się zdarzyć, jeśli przypadkiem w globalnym środowisku pojawi się obiekt o nazwie „cyl”:

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

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

(Uruchom je i przekonaj się sam, to całkiem szalone.)

[Jest także szybszy:

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