Objektumok elemeinek elérése (indexálása)

Hogyan érhetjük el egy vektor 3. elemét, egy data.frame x névvel ellátott oszlopát? A válasz: ?Extract.

• [ -> megőrzi az objektum alaposztályát, több elem is elérhető
• [[ -> főként list és data.frame objektumokra, csak egy elem elérésére
• $ -> csak list és data.frame objektumokra, csak névvel
• @ -> S4 objektumokra (kezdőként nem kell)
• az R-ben az elemeket elérhetjük a pozíciójuk és a nevük alapján is (már persze ha van nekik), illetve használhatunk logikai vektort is az elemek megtartására vagy kizárására

Elemek elérése vektorból

Példa:

• hozzunk létre egy vektort, amelynek elemeit nevezzük is el

( vec <- c(1, 2, 4, 6) )

## [1] 1 2 4 6

names(vec) <- c("a", "b", "d", "f")
vec

## a b d f 
## 1 2 4 6

# ugyanez rövidebben: 
# vec <- setNames(c(1, 2, 4, 6), c("a", "b", "d", "f"))

• válasszuk ki a vektor 2-4. elemeit:

vec[2:4]

## b d f 
## 2 4 6

• válasszuk ki az összes elemet, az 1. kivételével

# negatív szám indexként azt jelenti, hogy 
# 'minden, kivéve az adott sorszámú elem'
vec[-1]

## b d f 
## 2 4 6

• válasszuk ki a "b" nevű elemét a vektornak:

vec["b"]

## b 
## 2

• emellett logikai vektorral is indexelhetünk: a TRUE elemek maradnak, a FALSE elemek kiesnek:

vec[c(FALSE, TRUE, FALSE, FALSE)]

## b 
## 2

• a logikai indexelés lehetősége elsősorban akkor jön jól, ha bizonyos feltételnek megfelelő elemeket akarunk kiválasztani; pl. válasszuk ki a 2-nél nagyobb elemeket:

# mely elemek nagyobbak 2-nél?
vec > 2

##     a     b     d     f 
## FALSE FALSE  TRUE  TRUE

# az előző sor alapján az indexelés:
vec[vec > 2]

## d f 
## 4 6

# bővebben:
temporary <- vec > 2
vec[temporary]

## d f 
## 4 6

• ha semmit nem írunk a zárójelbe, visszakapjuk az összes elemet:

vec[]

## a b d f 
## 1 2 4 6

Elemek elérése többdimenziós vektorból

• hozzunk létre egy mátrixot:

( mat <- matrix((1:8)^2, 2, 4) )

##      [,1] [,2] [,3] [,4]
## [1,]    1    9   25   49
## [2,]    4   16   36   64

• a mátrixok esetében jellemzően egy adott sort, egy adott oszlopot, vagy adott sor(ok) adott oszlop(ai)ban lévő elem(ek)et akarunk elérni; a módszer ugyanaz, mint a vektornál, csak dimenziónként indexelünk:

# első sor elérése
mat[1, ]

## [1]  1  9 25 49

# második oszlop elérése
mat[, 2]

## [1]  9 16

# vegyíthetjük is az index-típusokat:
# pl. első sor igen, második sor nem, illetve 
# minden oszlop a 3. kivételével:
mat[c(TRUE, FALSE), -3]

## [1]  1  9 49

# több sor vagy oszlop elérése:
# válasszuk ki mindkét sor 2. és 4. oszlopát:
mat[, c(2, 4)]

##      [,1] [,2]
## [1,]    9   49
## [2,]   16   64

• ha meg akarod őrizni a dimenziókat (programozáskor nagyon hasznos):

mat[, 2, drop = FALSE]

##      [,1]
## [1,]    9
## [2,]   16

• mivel a mátrix csupán egy dimenziókkal ellátott vektor, továbbra is indexelheted vektorként; pl. az első 5 elem elérése (ügyelj arra, hogy az R oszlop-orientált):

mat[1:5]

## [1]  1  4  9 16 25

• végül az elérendő elemeket mátrix-ként is megadhatod, például érjük el az első sor második és a második sor harmadik elemét:

# készítsünk egy mátrixot, amelynek első oszlopa fogja jelenteni
# a sorban, második oszlopa pedig az oszlopban elfoglalt pozíciót
index_mat <- matrix(
    c(1, 2,
      2, 3),
    nrow = 2, ncol = 2, byrow = TRUE)

# az index_mat
index_mat

##      [,1] [,2]
## [1,]    1    2
## [2,]    2    3

# érjük el a 'mat' mátrix 'index_mat' pozícióban lévő elemeit
mat[index_mat]

## [1]  9 36

• ha az indexelő objektum logikai értékeket tartalmaz, és ugyanolyan méretű, mint az indexelendő objektum, akkor a TRUE-nak megfelelő elemeket kapjuk vissza; ez olyankor jön nagyon jól, ha valamilyen feltételnek megfelelő elemeket akarunk kinyerni, pl.:

# a 'mat' mátrix-nak 1-nél nagyobb elemei:
mat[mat > 1]

## [1]  4  9 16 25 36 49 64

Lista és data.frame elemeinek elérése

• hozzunk létre egy nevekkel ellátott listát:

( mylist <- list(x = 1, y = 1:2, z = 1:4) )

## $x
## [1] 1
## 
## $y
## [1] 1 2
## 
## $z
## [1] 1 2 3 4

• egy adott nevű elem elérésére több lehetőség is van:

mylist$y

## [1] 1 2

mylist[["y"]]

## [1] 1 2

• több elem együttes elérése névvel...

mylist[c("x", "z")]

## $x
## [1] 1
## 
## $z
## [1] 1 2 3 4

• ... és numerikus indexekkel:

mylist[c(1, 3)]

## $x
## [1] 1
## 
## $z
## [1] 1 2 3 4

• készítsünk most egy data.frame-et:

( datfr <- data.frame(x = 1:4, y = letters[1:4]) )

##   x y
## 1 1 a
## 2 2 b
## 3 3 c
## 4 4 d

• emlékezz, hogy a data.frame a lista és a mátrix kombinációjának tekinthető
• ennek megfelelően az 'y' változó elérése háromféleképpen is történhet:

datfr$y

## [1] a b c d
## Levels: a b c d

datfr[["y"]]

## [1] a b c d
## Levels: a b c d

datfr[, "y"]

## [1] a b c d
## Levels: a b c d

Bizonyos sorok kiválasztása data.frame-ből

• lássuk a korábban létrehozott data.frame-et:

datfr

##   x y
## 1 1 a
## 2 2 b
## 3 3 c
## 4 4 d

• érjük el a második sorát (emlékezz, a data.frame mátrixként is indexelhető):

datfr[2, ]

##   x y
## 2 2 b

• érjük el azt a sort, amelynél az 'x' változó értéke nagyobb 2-nél:

# hozzunk létre egy vektort, amelyiknek az elemei TRUE vagy FALSE
# attól függően, hogy a 'datfr' objektum 'x' változója nagyobb-e 2-nél
index <- datfr$x > 2

# használjuk ezt az index vektort a megfelelő sorok kinyerésére
datfr[index, ]

##   x y
## 3 3 c
## 4 4 d

# az 'index' vektort nem muszáj expliciten létrehozni
datfr[datfr$x > 2, ]

##   x y
## 3 3 c
## 4 4 d

• egy kényelmesen használható függvény data.frame indexelésére a subset()

subset(datfr, x > 2)

##   x y
## 3 3 c
## 4 4 d

• ha egy data.frame változóin akarsz valamilyen műveletet végezni, de nem akarod folyton kiírni az objektum nevét, nagyon jól jön a with() parancs:

# egészítsük ki a datfr objektumot két újabb változóval
datfr$z <- rnorm(4)
datfr$q <- c(1, 1, -1, -1)

# mennyi az x változó átlagának és z változó q hatványának a szorzata?
with(datfr, mean(x) * z^q)

## [1]  3.422452 -1.668304  1.129136  5.268600

# with() nélkül: mean(datfr$x) * datfr$z^datfr$q