3.4 其它

3.4.1 list和dataframe/tibble

3.4.1.1 Dataframe和tibble的本质

聪明的你也许已经注意到了，dataframe/tibble抓取单列的方法和list的取子集2.4.1惊人地相似。事实上，dataframe的本质正是list，而tibble也是dataframe（只是进化了一些功能）：

is.list(mpg)
#> [1] TRUE
class(mpg)
#> [1] "tbl_df"     "tbl"        "data.frame"

3.4.1.2 Dataframe/tibble的取子集

Dataframe/tibble既有list的特征，也有matrix的特征。

当使用一个参数取子集的时候，比如mpg[[3]]，mpg[["displ"]]或mpg$displ，tibble表现得像list，其中每一列是一个有命名的list element；

当使用两个参数取子集的时候，比如mpg[3,4], mpg[3, ], mpg[ ,4]，tibble表现得像matrix

mpg[3, ]
#> # A tibble: 1 x 11
#>   manufacturer model displ  year   cyl trans  drv     cty   hwy fl    class
#>   <chr>        <chr> <dbl> <int> <int> <chr>  <chr> <int> <int> <chr> <chr>
#> 1 audi         a4        2  2008     4 manua… f        20    31 p     comp…

3.4.2 Tidyverse tibble相对于Base R dataframe的优势

你可以把mpg转换成dataframe，命名为mpg1，探索两者的区别。

mpg1 <- as.data.frame(mpg)

3.4.2.1 信息的显示

首先，查看print()结果（直接输入mpg1或者print(mpg1)）

对于行数/列数较多的数据，dataframe的显示结果很乱，而且信息量小。当行数较多时，你需要往上划才能看见变量名；当你的console比较窄或者变量名太多时，dataframe会先显示一部分变量（列），再把剩余的变量（列）显示在后面。这时你需要往上划查看一部分变量，再往上划查看另一部分变量。

tibble的显示结果一致性强，信息量大。它永远只显示前10行，因此不用往上划就能看到显示的所有信息。它指明了行数和列数，变量的数据类型；当变量较多时，不会影响显示，而是在末尾指明其余的变量名字和数据类型。

3.4.2.2 tibble不会自作主张地化简结果

Base R dataframe自带的取子集函数在一些情况下不会化简结果，而在另一些情况下会自动化简结果27，这经常会造成意想不到而且很难察觉的错误，尤其对于开发者来说简直是噩梦(Gentleman 2009, 33; Wickham 2019)。对tibble取子集，永远会返回一个tibble；这样可以提高代码的一致性，降低发生错误的可能性。

请查看Advanced R了解更多。

3.4.2.3 tibble与其它tidyverse中的功能兼容性更强

很多tidyverse中的神器，如group_by，只能在tibble上使用。

References

Gentleman, Robert. 2009. R Programming for Bioinformatics. Book. Boca Raton, FL: CRC Press.

Wickham, Hadley. 2019. Advanced R. 2nd ed. CRC Press.

  1. 当选取单个数值或者单列数值的子集时，会返回一个vector，而在其他情况下会返回一个dataframe；试试mpg1 <- as.data.frame(mpg); mpg1[2,3]; mpg1[3:5, 4]; mpg1[3, 4:6].↩