<- NULL 在列表上的行为与用于删除数据的 data.frames 的行为

Posted 2023-03-24

【中文标题】<- NULL 在列表上的行为与用于删除数据的 data.frames 的行为

【英文标题】：Behavior of <- NULL on lists versus data.frames for removing data

【发布时间】：2013-10-26 10:02:56

【问题描述】：

许多 R 用户最终想出了许多从数据中删除元素的方法。一种方法是使用NULL，尤其是当您想要执行诸如从data.frame 中删除一列或从list 中删除一个元素等操作时。

最终，用户遇到了一种情况，他们想一次从data.frame 中删除几列，然后他们将<- list(NULL) 作为解决方案（因为使用<- NULL 会导致错误）。

data.frame 是list 的一种特殊类型，因此不难想象从list 中删除项目的方法应该与删除相同来自data.frame 的列。但是，它们会产生不同的结果，如下例所示。

## Make some small data--two data.frames and two lists
cars1 <- cars2 <- head(mtcars)[1:4]
cars3 <- cars4 <- as.list(cars2)

## Demonstration that the `list(NULL)` approach works
cars1[c("mpg", "cyl")] <- list(NULL)
cars1
#                   disp  hp
# Mazda RX4          160 110
# Mazda RX4 Wag      160 110
# Datsun 710         108  93
# Hornet 4 Drive     258 110
# Hornet Sportabout  360 175
# Valiant            225 105

## Demonstration that simply using `NULL` does not work
cars2[c("mpg", "cyl")] <- NULL
# Error in `[<-.data.frame`(`*tmp*`, c("mpg", "cyl"), value = NULL) : 
#   replacement has 0 items, need 12

切换到将相同的概念应用于list，并比较行为上的差异。

## Does not fully drop the items, but sets them to `NULL`
cars3[c("mpg", "cyl")] <- list(NULL)
# $mpg
# NULL
# 
# $cyl
# NULL
# 
# $disp
# [1] 160 160 108 258 360 225
# 
# $hp
# [1] 110 110  93 110 175 105

## *Does* drop the `list` items while this would
##   have produced an error with a `data.frame`
cars4[c("mpg", "cyl")] <- NULL
# $disp
# [1] 160 160 108 258 360 225
# 
# $hp
# [1] 110 110  93 110 175 105

---

我的主要问题是，如果 data.frame 是 list，为什么在这种情况下它的行为如此不同？是否有一种万无一失的方法可以知道何时删除一个元素，何时会产生错误，以及何时会简单地给它一个NULL 值？或者我们是否依赖于反复试验？

【问题讨论】：

我注意到这并不是专门用 NULL 替换 data.frame/list 中的多个项目：cars1$mpg = NULL 与 cars3$mpg = NULL 也可以证明这个问题

我注意到 `[data.frames 有自己的分配方法。

@AriB.Friedman，谢谢。我也会更仔细地研究该代码。

【参考方案1】：

免责声明：这是一个相对较长的答案，不是很清楚，也不是很有趣，所以请随意跳过它或只阅读（某种）结论。

我尝试了一些追踪 [<-.data.frame，由 Ari B. Friedman 建议。调试从函数的第 162 行开始，这里有一个测试来确定 value（替换值参数）是否不是一个列表。

案例 1：value 不是列表

然后它被认为是一个向量。矩阵和数组被视为一个向量，就像帮助页面说的那样：

注意当替换值为数组（包括矩阵）时 它不被视为一系列列（作为“data.frame”和 'as.data.frame' 做）但作为单列插入。

如果在LHS中只选择了数据框的一列，那么唯一的约束就是要替换的行数必须等于或为length(value)的倍数。如果是这种情况，value 将在必要时与rep 一起回收并转换为列表。如果length(value)==0，则没有回收（因为不可能），而value只是转换为列表。

如果在LHS中选择了数据框的几列，那么约束就复杂了一点：length(value)必须等于或者是要替换的元素总数的倍数，即行数* 列数。

具体测试如下：

(m < n * p && (m == 0L || (n * p)%%m))

其中n 是行数，p 是列数，m 是value 的长度。如果条件为 FALSE，则将 value 转换为 n x p 矩阵（必要时进行回收），并将矩阵按列拆分为列表。

如果value 为NULL，则条件为真m==0，函数停止。 请注意，每个长度为 0 的 value 都会出现此问题。例如，

cars1[,c("mpg")] <- numeric(0)

有效，而：

cars1[,c("mpg","disp")] <- numeric(0)

以与cars1[,c("mpg","disp")] <- NULL 相同的方式失败

案例 2：value 是一个列表

如果value 是一个列表，那么它用于同时替换多个列。例如：

cars1[,c("mpg","disp")] <- list(1,2)

将cars1$mpg替换为1s的向量，cars1$disp替换为2s的向量。

这里发生了一种“双重回收”：

首先，value 列表的长度必须小于或等于要替换的列数。如果它较少，则完成经典回收。 其次，对于value列表中的每个元素，其长度必须等于、大于或者是要替换的行数的倍数。如果小于，则对每个列表元素进行另一次回收以匹配行数。如果超过，则会显示警告。

当 RHS 中的 value 是 list(NULL) 时，什么都不会发生，因为回收是不可能的（rep(NULL, 10) 始终是 NULL）。但代码继续，最后每列被替换为NULL，即被删除。

总结和（某种）结论

data.frame 和 list 的行为不同，因为数据帧有特定的限制，其中每个元素必须具有相同的长度。通过分配 NULL 删除几列失败不是因为 NULL 值本身，而是因为 NULL 的长度为 0。错误来自验证分配值的长度是否是要替换的元素数（行数 * 列数）。

处理多个列的value=NULL 的情况似乎并不困难（通过添加大约四行简单代码），但它需要将NULL 视为一种特殊情况。我无法确定它是否没有被处理，因为它会破坏函数实现的逻辑，或者因为它会产生我不知道的副作用。

【讨论】：

+1。这很很有趣，并且有点符合我的假设（特别是关于回收），但我并没有真正挖掘任何代码来查看发生了什么。