R语言-对象改值

一、就地改值
利用标号体系直接将新值赋予指定位置，适用于知道修改目标确切位置时。

• 如果你赋予一个不存在的位置值时，R会自动将对象长度延伸，使之得以匹配。
• 这种直接标号增加新行或列的方式还可以作用在数据框中，当然数据框还可以通过名称frame$+属性的形式,赋值。
• 而在对列表进行类似操作时，需要注意，列表形成之后补充的元素也必须是列表形式，只有一开始列表刚形成时，可以有各种其他数据类型。

> test<-c(1,2,3)
> test[4]<-4
> test
[1] 1 2 3 4
> test[6]<-6  #跨位置赋值，匹配NA
> test
[1]  1  2  3  4 NA  6

> list<-list(c(1,2,3),c("one","two","three"))
> list[3]<-list(c(1,2,3))
> list
[[1]]
[1] 1 2 3

[[2]]
[1] "one"   "two"   "three"

[[3]]
[1] 1 2 3

而这种情况出现在矩阵上时会报错

matrix[,6]=c(2,2,3,3)
Error in `[<-`(`*tmp*`, , 6, value = c(2, 2, 3, 3)) : 
  subscript out of bounds

之前R语言的环境系统介绍过，常规赋值是无法在函数体内部对函数外的对象进行直接赋值的，那么如果你确实想这么做怎么办呢？可以使用<<-的特殊赋值符号，这和在with(,{})中对外对象赋值是一个道理

> a<-2
> test<-function(){
+   a<<-3
+ }
> test()
> a
[1] 3

---

二、逻辑值取值
逻辑值取值是R语言的一大亮点，是基于数据类型强制转化而来的，需要重点掌握
测试数据，一下是6张卡片，包含字母、颜色和数字三个属性：

A      红      3 
B      红      2
C      红      1
A      黑      3
B      黑      2
C      黄      1

1.单条件

假设需要找到所有所有A卡片，并将数字改为4
首先需要说明，针对上述情况完全可以采用就地改值的方式实现。但是很多时候我们只有判断条件，而卡片位置不清楚，或者卡片太多不适宜一一罗列，此时逻辑取子集的作用就很明显了。
首先介绍一下R的其中逻辑运算符：

R会根据比较结果返回一个逻辑值：TRUE或者FALSE，当运算符作用在向量间，则会每个元素一一比较：

> c(1,2,3)==c(1,2,4)
[1]  TRUE  TRUE FALSE
> 1>c(0,0,0)
[1] TRUE TRUE TRUE

只有%in%是判断是否存在，因此不会进行一一对比

> c(1,2)%in%c(3,1,2,4)
[1] TRUE TRUE

此时，我们考虑获得卡片A所在的位置

> cards$C1=="A"
[1]  TRUE FALSE FALSE  TRUE FALSE FALSE

通过数据类型强行转化的知识我们知到，将该向量作为取值索引，可以TRUE对应的行选出来，之后利用就地改值实现目标，即

> cards$C3[cards$C1=="A"]<-4
> cards
  C1 C2 C3
1  A 红  4
2  B 红  2
3  C 红  1
4  A 黑  4
5  B 黑  2
6  C 黑  1

2.多条件
我们继续考虑这么一个问题，如果我们要利用类似的方法将黑色A卡片的点数换成5又该怎么办呢？

①当然我们可以先选出为A的卡片所在的位置，并在这基础上找到为“黑”色A卡，并将其数字换位5，具体代码如下：
cards[cards$C1=="A",]$C3[cards[cards$C1=="A",]$C2=="黑"]<-5

类似地

cards$C3[cards[cards$C1=="A",]$C2=="黑"]<-6
> cards
  C1 C2 C3
1  A 红  4
2  B 红  6
3  C 红  1
4  A 黑  6
5  B 黑  2
6  C 黑  6

得到的是错误的结果，因为半部分表示定位代码得到的最终结果是FALSE,TRUE，而左边对应全集确有6行。根据对应原则，将不断重复T,F六次，直至与向量长度一致，因此有3行的数字都变为了6

显然这种写法很容易出错，且随着条件的增多代码越发的复杂，为了更好地解决这种多条件赋值问题，我们引入布尔运算符

②布尔运算符可以将多个逻辑测试的结果整合并输出为一个TRUE或FALSE，R共有六种布尔运算符，具体如下：

此时回过头来想问题，我们只需将卡片字母为“A”和颜色为“黑”条件用&连在一起，在利用就地取值即可达到目标。(存在双运算符&&和||，相对于单运算符来说，如果第一个条件的测试结果已经很明显了，则不会进行第二组测试，这可以提高代码运行效率双运算符。但需要注意的是，双运算符并不是向量化的运算符，两侧只能是单个逻辑测试)

> cardpos<-cards$C1=="A"&cards$C2=="黑"
> cards$C3[cardpos]<-6
> cards
  C1 C2 C3
1  A 红  3
2  B 红  2
3  C 红  1
4  A 黑  6
5  B 黑  2
6  C 黑  1

3.逻辑值转位置
有时候直接使用逻辑值结果赋值并不方便，如利用c[-x,]去取不在某个位置的数据，此时需要使用which(+逻辑判断语句)，将逻辑结果转化为具体的位置。当然如果你十分喜欢逻辑值，可以使用！将TRUE和FALSE发生对调然后再进行匹配。

---

三、缺省值
缺省值是数据处理最为常见的问题，在R中我们依旧采用NA（not available）来表示缺失的信息。
1. na.rm
在对含NA的数据进行计算时，得到的结果往往也是NA，为了避免这种情况，一般的函数都会有na.rm（NA remove）参数，用以移除NA值，如

> mean(c(NA,1:20),na.rm = TRUE)
[1] 10.5

2. is.na
因为NA的不确定性，导致无法通过一般的逻辑测试确定位置信息

> NA==NA
[1] NA

而is.na函数就可以达到这个目的

> test<-c(NA,1,2,NA)
> is.na(test)
[1]  TRUE FALSE FALSE  TRUE