R 为什么从数据帧和TIBLE中子集一列会得到不同的结果

这是一个“为什么”的问题，而不是一个“如何”的问题

我有一个

tibble

作为聚合的结果

dplyr

> str(urls)
Classes ‘tbl_df’, ‘tbl’ and 'data.frame':   144 obs. of  4 variables:
 $ BRAND       : chr  "Bobbi Brown" "Calvin Klein" "Chanel" "Clarins" ...
 $ WEBSITE     : chr  "http://www.bobbibrowncosmetics.com/" "http://www.calvinklein.com/shop/en/ck" "http://www.chanel.com/en_US/" "http://www.clarinsusa.com/" ...
 $ domain      : chr  "bobbibrowncosmetics.com/" "calvinklein.com/shop/en/ck" "chanel.com/en_US/" "clarinsusa.com/" ...
 $ final_domain: chr  "bobbibrowncosmetics.com/" "calvinklein.com/shop/en/ck" "chanel.com/en_US/" "clarinsusa.com/" ...

当我尝试将列final_domain提取为字符向量时，会发生以下情况：

> length(as.character(urls[ ,4]))
[1] 1

相反，当我强制使用数据帧并执行此操作时，我得到了我真正想要的：

> length(as.character(as.data.frame(urls)[ ,4]))
[1] 144

---

tibble与dataframe的

str

看起来相同，但输出不同。我想知道为什么

如果将

的结果打印为.character

，您会注意到差异：

library(tibble)
x <- tribble(
    ~x, ~y,  ~z,
    "a", 2,  3.6,
    "b", 1,  8.5
)

as.character(as.data.frame(x)[ ,2])
# [1] "2" "1"

as.character(x[ ,2])
# "c(2, 1)"

库（TIBLE）
x根本原因是，当只选择一列时，对tbl和数据框进行子集设置会产生不同的结果


默认情况下，
[.data.frame
将在结果只有一列时删除维度，类似于矩阵子集的工作方式。因此结果是向量
[.tbl_df
永远不会像这样删除维度；它总是返回一个tbl

反过来，
as.character
忽略tbl的类，将其视为一个普通列表。而在列表上调用的
as.character
的行为类似于
deparse
：它返回的字符表示是R代码，可以解析并执行该代码来重现列表

在大多数情况下，tbl行为可以说是正确的，因为删除维度很容易导致错误：子集一个数据帧通常会导致另一个数据帧，但有时不会。在这种特定情况下，它不会做您想要的事情

如果您想从tbl中提取一列作为向量，可以使用列表式索引：
URL[[4]]
或
URL$final\u domain
我认为您的问题的基本答案是Hadley Wickham在编写tibble 1.0时希望
的行为一致[
运算符。这一决定在Wickham的《高级R》中进行了间接讨论：

理解简化和简化之间的区别很重要
保留子集。简化子集返回最简单的
可能的数据结构，可以表示输出，并且非常有用
交互的，因为它通常会给你你想要的
子集设置使输出的结构与输入的结构相同，
并且通常对编程更好，因为结果总是
类型相同。在对矩阵和进行子集设置时忽略drop=FALSE
数据帧是编程错误最常见的来源之一。
（这将适用于您的测试用例，但随后会有人通过测试。）
单列数据帧，它将在意外和不清楚的情况下失败
哎呀)

在这里，我们可以清楚地看到，Hadley关心的是
[.data.frame
的不一致默认行为，以及为什么他会选择在tibble中更改行为

考虑到上述术语，很容易看出，
[.data.frame
操作符默认生成的是简化子集还是保留子集取决于输入，而不是编程。例如，获取数据帧
data_df
并将其子集：

data_df <- data.frame(a = runif(10), b = letters[1:10])

data_df[, 2]
data_df[, 1:2]

对于TIBLE（或dplyr），默认情况下我们的行为是一致的，因此无论返回多少列，当使用
[
操作符进行子集设置时，我们都可以确保拥有相同的对象类：

library(tibble)
data_df <- tibble(a = runif(10), b = letters[1:10])

data_df[, 2]
data_df[, 1:2]

库（TIBLE）
数据_df可能是因为
tbl _df
和
data.frame
具有不同的索引属性。当从
data.frame
索引一列时，您会得到一个
向量
，但当您从
tbl _df
索引一列时，您仍然会得到一个
tbl _df
。此外，
length
还会返回列数当给定一个
data.frame
和一个
vector
时的行数。也许可以添加
dplyr:：pull
作为一种将列提取为向量的方法（在管道中时不时使用）。
library(tibble)
data_df <- tibble(a = runif(10), b = letters[1:10])

data_df[, 2]
data_df[, 1:2]