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

Когда мне нужно отфильтровать data.frame, т.е. извлечь строки, соответствующие определенным условиям, я предпочитаю использовать функцию subset:

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

Вместо функции [:

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

Есть две основные причины моего предпочтения:

  • Я считаю, что код читается лучше, слева направо. Даже люди, которые ничего не знают о R, могут сказать, что делает инструкция subset выше.

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

Итак, я жил счастливым, используя subset всюду, потому что он короче и читает лучше, даже защищая его красоту среди моих соратников-кодеров. Но вчера мой мир развалился. Читая документацию subset, я замечаю этот раздел:

Предупреждение

Это функция удобства, предназначенная для интерактивного использования. Для программирования лучше использовать стандартные функции подмножества, такие как [, и, в частности, нестандартная оценка подмножества аргументов может иметь непредвиденные последствия.

Может кто-то помочь прояснить, что означают авторы?

Во-первых, что они подразумевают под "для интерактивного использования"? Я знаю, что такое интерактивный сеанс, в отличие от script в режиме BATCH, но я не вижу, какую именно разницу он должен сделать.

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

Ответы

Ответ 1

На этот вопрос был дан ответ в комментариях @James, указывая на отличное объяснение Хэдли Викхэма об опасностях subset (и подобных ему функциях) [здесь]. Пойдите, прочитайте это!

Это несколько длинное чтение, поэтому может быть полезно записать здесь пример, который использует Хэдли, который наиболее непосредственно затрагивает вопрос "что может пойти не так?":

Хэдли предлагает следующий пример: предположим, что мы хотим подмножество, а затем переупорядочить 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:

Ошибка в eval (expr, envir, enc): объект 'cyl' не найден

потому что R больше не "знает", где найти объект, называемый "цил". Он также указывает на действительно причудливые вещи, которые могут произойти, если случайно в глобальной среде есть объект, называемый "цил":

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

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

(Запустите их и убедитесь сами, это довольно сумасшедшее.)

Ответ 2

Также [ выполняется 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