是否可以根据r中的行范围和逻辑条件对data.frame进行子集划分？

在base r中，我可以根据行范围对data.frame进行子集划分：

mtcars[1:5，]

或者，我可以根据逻辑条件进行子集划分：

mtcars[mtcars$cyl==6，]

但我似乎不能同时做到这两个方面：

mtcars[1:5&mtcars$cyl==6，]

警告消息：在1:5和mtcars$cyl==6中：较长的对象长度不是较短对象长度的倍数

还有别的办法吗

---

用例是用LaF包加载一个巨大的.csv，它允许使用类似于base r的命令进行过滤，但是使用行范围比使用条件加载要快得多，添加多个条件意味着我有时需要等待一天才能加载数据。

您可以使用任何一种方法进行子集设置

基于逻辑向量：

根据行范围：

---

如果您以交互方式工作，我将使用

子集

subset(mtcars[1:5,], cyl==6)
#                mpg cyl disp  hp drat    wt  qsec vs am gear carb
#Mazda RX4      21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
#Mazda RX4 Wag  21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
#Hornet 4 Drive 21.4   6  258 110 3.08 3.215 19.44  1  0    3    1

或者存储中间结果

tt <- mtcars[1:5,]
tt[tt$cyl==6,]
rm(tt)

或者存储我在这种情况下建议的

1:5

i <- 1:5
mtcars[i[mtcars$cyl[i]==6],]
rm(i)

---

i这些都是很好的答案，但是对于这个需要读取非常大文件的用例，我无法复制数据。我不确定LaF是否接受子集命令，但会检查它。也许你可以试试
我你知道其中哪一个可能更快吗？诀窍是找到一种方法让LaF只在行范围内搜索，而不必计算完整的数据集（30 GB）。我担心nrow（）可能会迫使它这样做。是的，在第一个选项中，我们正在生成从1到
nrow
的序列，这可能没有效率。您可以使用
intersect
方法。更好的是
mtcars[intersect（1:5，即mtcars$cyl[1:5]==6）），]
tt <- mtcars[1:5,]
tt[tt$cyl==6,]
rm(tt)

mtcars[(1:5)[mtcars$cyl[1:5]==6],]
#mtcars[1:5,][mtcars$cyl[1:5]==6,] #Alternative
#mtcars[1:5,][mtcars[1:5,]$cyl==6,] #Alternative

i <- 1:5
mtcars[i[mtcars$cyl[i]==6],]
rm(i)