`%in%`和`==`有什么区别？

Question

df <- structure(list(x = 1:10, time = c(0.5, 0.5, 1, 2, 3, 0.5, 0.5, 
1, 2, 3)), .Names = c("x", "time"), row.names = c(NA, -10L), class = "data.frame")


df[df$time %in% c(0.5, 3), ]
##     x time
## 1   1  0.5
## 2   2  0.5
## 5   5  3.0
## 6   6  0.5
## 7   7  0.5
## 10 10  3.0

df[df$time == c(0.5, 3), ]
##     x time
## 1   1  0.5
## 7   7  0.5
## 10 10  3.0

在这里，%in%和==有什么区别？

- user1320502

---

在R中，参考?'=='和?'%in%'。 - CHP

你可能会对视频编号#033感兴趣。 - Anthony Damico

Answer 1

问题是向量循环利用。

你的第一行代码做了你预期的事情。它检查 df$time 中哪些元素在 c(0.5, 3) 中，并返回这些值。

你的第二行代码更加棘手。实际上，它相当于

df[df$time == rep(c(0.5,3), length.out=nrow(df)),]

为了看清这一点，让我们看一下如果使用向量 rep(0.5, 10) 会发生什么：

rep(0.5, 10) == c(0.5, 3)
[1]  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE

看看它是如何返回每一个奇数值的。基本上它是将0.5与向量c(0.5, 3, 0.5, 3, 0.5...)匹配。

你可以通过操作向量以此方式来产生没有匹配的结果。取向量：rep(c(3, 0.5), 5)：

rep(c(3, 0.5), 5) == c(0.5, 3)
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

它们全都是FALSE; 你正在将每个0.5与3匹配，反之亦然。

- sebastian-c

---

除非我正在比较一个唯一的值或者有意使用循环，否则请始终使用%in%。非常清晰，谢谢。 - user1320502

@user1320502 其实，即使只有一个值，使用%in%也有一些优势。尝试 x <- c(1:5, rep(NA, 3)); x[x==3] 并将其与 x[x%in%3] 进行比较。 - sebastian-c

Answer 2

需要翻译的内容为“

In

”

df$time == c(0.5,3)

c(0.5,3)首先被广播到df$time的形状，即c(0.5,3,0.5,3,0.5,3,0.5,3,0.5,3)。然后两个向量逐个元素进行比较。

另一方面，

df$time %in% c(0.5,3)

检查df$time的每个元素是否属于集合{0.5, 3}。

- NPE

Answer 3

这是一个旧帖子，但我没有在任何地方看到这个答案，对于某些人可能会很有用。

两者之间的另一个区别是处理NAs（缺失值）的方式。

NA == NA
[1] NA
NA %in% c(NA)
[1] TRUE

- mochi