R语言基础系列前情提要：

Subsetting R Objects

取子集的三种基本方法

• [ ：“单方括号”返回的对象和原来相同，如向量的子集还是向量；也可用于在对象中选择多个元素

• [ [：“双方括号”仅可用于提取单一元素，并且用来提取列表或者数据框中的元素，但是，由于列表或者数据框中的元素类别不唯一，因此它返回对象的类型不一定是列表或者数据框

• $ ：“美元符号”是提取有名字的列表或数据框中的一个元素

（一）向量取子集

举例

1. 单括号+数字索引：

1. > x <- c("a", "b", "c", "c", "d", "a")  

2. > x[2]            ## 提取第二个元素

3. [1] "b"

4. > x[1:4]          ## 提取连续多个元素

5. [1] "a" "b" "c" "c"

6. > x[c(1, 3, 4)]   ## 提取不连续的多个元素

7. [1] "a" "c" "c"

2.单括号+逻辑索引（按字母排序）：

1. > x <- c("a", "b", "c", "c", "d", "a")  

2. > x[x > "a"]      ## 提取首字母排序大于a的元素

3. [1] "b" "c" "c" "d"

3.创建逻辑向量

1. > u <- x > "a"

2. > u

3. [1] FALSE  TRUE  TRUE  TRUE  TRUE FALSE

4. > x[u]

5. [1] "b" "c" "c" "d"

（二）矩阵取子集

矩阵取子集可通过行索引和列索引来完成。

例如以下2*3的矩阵

1. > x <- matrix(1:6, 2, 3)

2. > x

3.     [,1] [,2] [,3]

4. [1,]    1    3    5

5. [2,]    2    4    6

6. > x[1, 2]            

7. [1] 3

8. > x[, 1]

9. [1] 1 2

10. > x[1, 2, drop = FALSE]   ## 修改drop参数，返回矩阵形式

11.     [,1]

12. [1,]    3

13. > x[, 1, drop = FALSE]

14.     [,1]

15. [1,]    1

16. [2,]    2

（三）列表取子集

列表取子集既可以使用“[”，"[["，也可以使用“$”

1. > ## 创建一个含有两个元素的列表

2. > x <- list(foo = 1:4, bar = 0.6)

3. > x

4. $foo

5. [1] 1 2 3 4

6. $bar

7. [1] 0.6

8. > ## 三种方法提取第一个元素

9. > x[1]            ## 单方括号返回的也是一个列表

10. $foo

11. [1] 1 2 3 4

12. > x[[1]]

13. [1] 1 2 3 4

14. > x$foo

15. [1] 1 2 3 4

列表取子集方法的好处是不需要记住顺序，只要有名字就可以。

但是如果要从列表中提取多个元素，只能使用单方括号（双方括号和美元符号只能提取单个元素），并且知道顺序。

1. > x <- list(foo = 1:4, bar = 0.6, baz = "hello")

2. > x[c(1, 3)]

3. $foo

4. [1] 1 2 3 4

5. $baz

6. [1] "hello"

双方括号和美元符号的区别：

美元符号必须是列表中存在的元素名；

双方括号可以是后续再次赋值变量之后的

1. > x <- list(foo = 1:4, bar = 0.6, baz = "hello")

2. > name <- "foo"

3. >

4. > ## computed index for "foo"

5. > x[[name]]  

6. [1] 1 2 3 4

7. >

8. > ## element "name" doesn’t exist! (but no error here)

9. > x$name    

10. NULL

11. >

12. > ## element "foo" does exist

13. > x$foo      

14. [1] 1 2 3 4

另外双方括号可以取一个整数数列，不仅仅是一个数字

1. > x <- list(a = list(10, 12, 14), b = c(3.14, 2.81))

2. >

3. > ## Get the 3rd element of the 1st element

4. > x[[c(1, 3)]]  

5. [1] 14

6. >

7. > ## Same as above

8. > x[[1]][[3]]  

9. [1] 14

10. >

11. > ## 1st element of the 2nd element

12. > x[[c(2, 1)]]  

13. [1] 3.14

（四）模糊匹配

美元符号$和双方括号[[有模糊匹配的功能。可以通过这种方法在命令行快速查找元素。

例：

1. > x <- list(aardvark = 1:5)

2. > x$a

3. [1] 1 2 3 4 5

4. > x[["a"]]                 ## 参数默认为精确匹配

5. NULL

6. > x[["a", exact = FALSE]]  ## 参数设置为不精确匹配

7. [1] 1 2 3 4 5

（五）删除缺失数据和缺失值（NA）

大部分真实数据中包含大量缺失数据，不管是向量、矩阵还是数据框，通过创建一个能够告诉你哪里有缺失值的逻辑向量，从而创建子集来删除它们

is.na() 函数可以找到某个向量中的缺失值，例：

1. > x <- c(1, 2, NA, 4, NA, 5)

2. > bad <- is.na(x)

3. > print(bad)

4. [1] FALSE FALSE  TRUE FALSE  TRUE FALSE

5. > x[!bad]         ## !bad表示非缺失值

6. [1] 1 2 4 5

如果有多个向量、多个对象，NA分布在各个不同地方，目的是去除所有缺失值建立新的子集，可以使用 complete.cases() 函数，如下例：

1. > x <- c(1, 2, NA, 4, NA, 5)

2. > y <- c("a", "b", NA, "d", NA, "f")

3. > good <- complete.cases(x, y)

4. > good

5. [1]  TRUE  TRUE FALSE  TRUE FALSE  TRUE

6. > x[good]

7. [1] 1 2 4 5

8. > y[good]

9. [1] "a" "b" "d" "f"

类似地，如果x，y两个向量的缺失值位置不同， complete.cases() 函数则取并集判断缺失位置：

1. > x <- c(1, 2, NA, 4, NA, 5)

2. > y <- c("a", "b", NA, NA, "d", "f")

3. > good <- complete.cases(x, y)

4. > good

5. [1]  TRUE  TRUE FALSE FALSE FALSE  TRUE

6. >

7. > x[good]

8. [1] 1 2 5

9. > y[good]

10. [1] "a" "b" "f"

complete.cases() 函数也可以用于从数据框中移除缺失值

1. > ## 创建数据框airquality

2. > Ozone <- c(41, 36, 12, 18, NA, 28, 13, 15)

3. > Solar.R <- c(190, 118, 149, 313, NA, NA, 244, 222)

4. > Wind <- c (7.4, 8.0, 12.1, 11.2, 14.3, 13.9, 14.1, 15.2)

5. > Temp <- c(67, 72, 74, 62, 56, 66, 22, 33)

6. > Month <- c(5, 5, 5, 5, 5, 5, 5, 5)

7. > Day <- c(1, 2, 3, 4, 5, 6, 7, 8)

8. > airquality <- data.frame(Ozone, Solar.R, Wind, Temp, Month, Day)

9. > airquality

10.  Ozone Solar.R Wind Temp Month Day

11. 1    41     190  7.4   67     5   1

12. 2    36     118  8.0   72     5   2

13. 3    12     149 12.1   74     5   3

14. 4    18     313 11.2   62     5   4

15. 5    NA      NA 14.3   56     5   5

16. 6    28      NA 13.9   66     5   6

17. 7    13     244 14.1   22     5   7

18. 8    15     222 15.2   33     5   8

19. >

20. > ## 取数据框中的前六行数据

21. > head(airquality)

22.  Ozone Solar.R Wind Temp Month Day

23. 1    41     190  7.4   67     5   1

24. 2    36     118  8.0   72     5   2

25. 3    12     149 12.6   74     5   3

26. 4    18     313 11.5   62     5   4

27. 5    NA      NA 14.3   56     5   5

28. 6    28      NA 14.9   66     5   6

29. >

30. > ## 通过创建逻辑向量找到没有缺失数据的行

31. > good <- complete.cases(airquality)

32. > head(airquality[good, ])

33.  Ozone Solar.R Wind Temp Month Day

34. 1    41     190  7.4   67     5   1

35. 2    36     118  8.0   72     5   2

36. 3    12     149 12.6   74     5   3

37. 4    18     313 11.5   62     5   4

38. 7    23     299  8.6   65     5   7

39. 8    19      99 13.8   59     5   8

（六）提取某种条件下数据框的子集

如上例：

挑取Ozone列中数值大于18，且Temp数值大于60的数据子集，从该子集中计算Wind数据的平均值

1. > Ozone <- c(41, 36, 12, 18, NA, 28, 13, 15)

2. > Solar.R <- c(190, 118, 149, 313, NA, NA, 244, 222)

3. > Wind <- c (7.4, 8.0, 12.1, 11.2, 14.3, 13.9, 14.1, 15.2)

4. > Temp <- c(67, 72, 74, 62, 56, 66, 22, 33)

5. > Month <- c(5, 5, 5, 5, 5, 5, 5, 5)

6. > Day <- c(1, 2, 3, 4, 5, 6, 7, 8)

7. > data <- data.frame(Ozone, Solar.R, Wind, Temp, Month, Day)

8. > data

9.  Ozone Solar.R Wind Temp Month Day

10. 1    41     190  7.4   67     5   1

11. 2    36     118  8.0   72     5   2

12. 3    12     149 12.1   74     5   3

13. 4    18     313 11.2   62     5   4

14. 5    NA      NA 14.3   56     5   5

15. 6    28      NA 13.9   66     5   6

16. 7    13     244 14.1   22     5   7

17. 8    15     222 15.2   33     5   8

18. >

19. > ## 设置条件

20. > d2 <- data[data$Ozone>18 & data$Temp>60, ]

21. > d2

22.  Ozone Solar.R Wind Temp Month Day

23. 1    41     190  7.4   67     5   1

24. 2    36     118  8.0   72     5   2

25. 6    28      NA 13.9   66     5   6

26. > m <- d2$Wind

27. > m

28. [1]  7.4  8.0 13.9

29. > mean(m)

30. [1] 9.766667

参考资料：

1. https://bookdown.org/rdpeng/rprogdatascience/R Programming for Data Science

2. 《R语言实战》 Robert I. Kabacoff

快快和我一起上车，请关注：

猜你喜欢

• 热文：1高分文章 2不可或缺的人 3图表规范

• 一文读懂：1微生物组 2寄生虫益处 3进化树

• 必备技能：1提问 2搜索  3Endnote

• 文献阅读 1热心肠 2SemanticScholar 3geenmedical

• 扩增子分析：1图表解读 2分析流程 3统计绘图  4功能预测

• 科研经验：1云笔记  2云协作 3公众号  

• 系列教程：1Biostar 2微生物组  3宏基因组

• 生物科普 1肠道细菌 2人体上的生命 3生命大跃进  4细胞的暗战 5人体奥秘

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外120+ PI，1200+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”