Mengapa `[` lebih baik dari `subset`?

Ketika saya perlu memfilter data.frame, yaitu, mengekstrak baris yang memenuhi kondisi tertentu, saya lebih suka menggunakan subsetfungsi:

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

Alih-alih [fungsi:

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

Ada dua alasan utama untuk preferensi saya:

1. Saya menemukan kode membaca lebih baik, dari kiri ke kanan. Bahkan orang yang tidak tahu apa-apa tentang R bisa mengatakan apa yang dilakukan subsetpernyataan di atas.

2. Karena kolom dapat disebut sebagai variabel dalam selectekspresi, saya dapat menyimpan beberapa penekanan tombol. Dalam contoh saya di atas, saya hanya perlu mengetik airqualitysatu kali subset, tetapi tiga kali dengan [.

Jadi saya hidup bahagia, menggunakan subset mana mana karena lebih pendek dan membaca lebih baik, bahkan menganjurkan keindahannya kepada sesama R coders saya. Tapi kemarin duniaku pecah. Saat membaca subsetdokumentasi, saya perhatikan bagian ini:

Peringatan

Ini adalah fungsi kenyamanan yang dimaksudkan untuk digunakan secara interaktif. Untuk pemrograman, lebih baik menggunakan fungsi standar subsetting seperti [, dan khususnya evaluasi subset argumen non-standar dapat memiliki konsekuensi yang tidak terduga.

Bisakah seseorang membantu menjelaskan apa yang dimaksud penulis?

Pertama, apa yang mereka maksud dengan " untuk digunakan secara interaktif "? Saya tahu apa sesi interaktif itu, sebagai lawan dari skrip dijalankan dalam mode BATCH tapi saya tidak melihat perbedaan apa yang harus dibuat.

Lalu, bisakah Anda menjelaskan " evaluasi non-standar dari subset argumen " dan mengapa itu berbahaya, mungkin memberikan contoh?

Pertanyaan ini dijawab dengan baik di komentar oleh @James, menunjuk pada penjelasan yang sangat baik dari Hadley Wickham tentang bahaya subset(dan fungsi-fungsi seperti itu) [di sini] . Baca itu!

Ini agak lama dibaca, jadi mungkin berguna untuk mencatat di sini contoh yang digunakan Hadley yang paling langsung menjawab pertanyaan "apa yang bisa salah?":

Hadley menyarankan contoh berikut: misalkan kita ingin mengatur ulang dan kemudian menyusun ulang bingkai data menggunakan fungsi berikut:

scramble <- function(x) x[sample(nrow(x)), ]

subscramble <- function(x, condition) {
  scramble(subset(x, condition))
}

subscramble(mtcars, cyl == 4)

Ini mengembalikan kesalahan:

Kesalahan dalam eval (expr, envir, enclos): objek 'cyl' tidak ditemukan

karena R tidak lagi "tahu" di mana menemukan objek yang disebut 'cyl'. Dia juga menunjukkan hal-hal aneh yang dapat terjadi jika secara kebetulan ada objek yang disebut 'cyl' di lingkungan global:

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

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

(Jalankan mereka dan lihat sendiri, ini cukup gila.)

Juga [lebih cepat:

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