Dlaczego jest `[` lepiej niż `podzbiór`?

Question

Kiedy trzeba filtrować data.frame, czyli wyciąg wiersze, które spełniają określone warunki, wolę używać subset funkcję:

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

zamiast funkcji [:

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

Nie są dwa główne powody moich preferencji:

1. Uważam, że kod brzmi lepiej, od lewej do prawej. Nawet ludzie, którzy nic nie wiedzą o R, mogą powiedzieć, co robi powyższe oświadczenie subset.

2. Ponieważ kolumny można nazywać zmiennymi w wyrażeniu select, mogę zapisać kilka naciśnięć klawiszy. W powyższym przykładzie musiałem tylko raz wpisać airquality z subset, ale trzy razy z [.

Tak żyłem zadowolony, używając subset wszędzie, ponieważ jest krótsza i brzmi lepiej, nawet promując swoje piękno do moich kolegów programistów R. Ale wczoraj mój świat się rozpadł. Podczas czytania dokumentacji subset, zauważam ten rozdział:

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.

Może ktoś pomóc wyjaśnić, co autorzy na myśli?

Po pierwsze, co oznaczają "do użytku interaktywnego"? Wiem, czym jest sesja interaktywna, w przeciwieństwie do skryptu uruchamianego w trybie BATCH, ale nie widzę różnicy, jaką powinna ona mieć.

Następnie, proszę wyjaśnić "niestandardową ocenę podzbioru argumentów" i dlaczego jest niebezpieczny, może podać przykład?

Answer 1

Na to pytanie odpowiedzieli dobrze w komentarzach @ James, wskazując na doskonałe wyjaśnienie Hadleya Wickhama dotyczące niebezpieczeństw związanych z subset (i funkcji takich jak to) [here]. Idź przeczytać!

Jest to dość długo czytać, więc może to być pomocne, aby nagrać tu przykład, że Hadley używa które najbardziej bezpośrednio odnosi się do kwestii „co może pójść źle?”:

Hadley sugeruje następujący przykład: Załóżmy, że aby podzbioru i kolejność ramkę 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:

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

ponieważ R L onger "wie", gdzie znaleźć obiekt o nazwie "cyl". Podkreśla również, prawdziwie dziwaczne rzeczy, które mogą się zdarzyć, jeśli przez przypadek nie jest obiekt o nazwie „cyl” w otoczeniu globalnym:

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

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

(Uruchom je i zobaczyć na własne oczy, to dość szalony.)

Answer 2

także [ szybciej:

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