Problemas com a função subset

Olá pessoal. Espero que estejam todos bem em tempos de Covid.
Estou com uma dúvida que me parece boba, mas não consegui resolver de jeito nenhum. Vou tentar explicar da melhor maneira possível o problema. Trabalho com emissão de gases em rios e lagos amazônicos. Eu tenho uma tabela com todas as minhas variáveis e meus pontos amostrais. Além dos pontos amostrais também tenho dois diferentes sites de coleta. Tudo incluído nessa grande tabela. Como coletei em diferentes habitats da do lago (água aberta, floresta alagada e macrófitas), muitas vezes preciso fazer análises dentro de um dos habitats ou entre um ou alguns deles. Para isso, eu escolhi fazer subsets da planilha grande, onde crio uma nova data.frame com o subset. Algo muito estranho tem acontecido quando uso a função subset. Cada hora de coleta, eu tenho 4 linhas na tabela, referentes a 4 medidas de fluxo diferentes. Nem sempre 4 medidas foram feitas, então coloco NA onde não houve medida. Faço isso para que a tabela fique "homogênea". O que esta acontecendo é que, quando uso o subset, a tabela nova esta vindo apenas com 2 das 4 linhas. Independente se há medida ou não nas outras duas linhas, somente duas linhas aparecem. Eu nem sei baseado em que ele escolhe quais duas linhas vão para a tabela. Eu só percebi pq quando dei um summary na tabela nova vi que meu n amostral era metade do da tabela original para aquele habitat. Ja procurei na internet e tudo mais, mas não consigo entender o pq. É uma função tão simples. Não sei o que está acontecendo. Alguém teria alguma ideia? Coloquei abaixo como a função foi utilizada por mim:

VEG<-subset (bubble_trap, habitat==c("macrop", "fforest)

onde VEG é meu data.frame novo, bubble_trap é minha planilha original e os habitats "macrop"e "fforest" são os dois habitats que quero que sejam incluídos nessa data/frame VEG.

Agradeço desde já.

Hum, o comportamento é meio estranho mesmo... Desconfio que a subset() esteja removendo as linhas que contém NAs em qualquer valor, será que é isso?

Se achar que sim, experimente adicionar um na.rm=F como um argumento de subset(). Pode ser que ele esteja executando a função com ele =T, e mudar pra F resolva.

Vamos nos falando!

Beleza Marcos,
vou tentar adicionar o argumento na.rm=F. Tenho mais alguns testes pra fazer hoje e assim que fizer te dou a resposta ok? Agradeço desde já pelo força.

Ola Marcos. Desculpe por trazer de volta esse assunto depois de já algum tempo. Mas hoje tentei novamente usar a função subset e, mesmo incluindo o argumento na.rm=F ainda tive o mesmo problema. Parece que o problema é quando uso o argumento concatenar (c) para incluir na minha nova data.frame mais de uma classe. Quando faço a função subset e ela só inclui uma classe não tenho problemas, mas quando uso por exemplo:

reservoirs<- subset(data, series==c("RO1", "RO2", "RO3")

o problema aparece. Realmente não sei o que pode ser.

Oi de novo!

Então, quebrei um pouco a cabeça, mas no fim voltei a trás e comecei do zero, e consegui resolver. A seleção de múltiplos fatores na subset() não dá certo com o concatenar! Ela na verdade funciona com o uso de operadores do tipo "E" e "OU", o que no R é reconhecido como "&" e "|", respectivamente.

No seu caso, você quer que ele selecione todas as linhas que tem um nível OU outro nível, etc. Veja o exemplo, acho que vai resolver de forma fácil para o que você precisa:

Código:



#Dados de exemplo:
dados<-structure(list(Classe = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 4L), .Label = c("A", "B", "C", "D"), class = "factor"), Medida1 = c(17L, 13L, NA, 20L, 20L, 17L, 15L, 17L, 15L, 11L, 10L, 15L, 18L, 16L, 14L, 18L, 12L, NA, 17L, 18L), Medida2 = c(40L, 32L, 39L, 47L, 42L, 44L, 37L, 50L, NA, 46L, 30L, 43L, 32L, 35L, 38L, NA, 30L, 36L, 46L, 41L)), class = "data.frame", row.names = c(NA, -20L))


summary(dados)

#Veja os dados completos para visualizar os NAs:
dados

#Agora vamos verificar um subset simples:

subset(dados, dados$Classe=="A")

#Até aqui deu certo. Vamos ver se o mesmo acontece quando usarmos duas classes:

subset(dados, dados$Classe==c("A", "B"))

#E aqui deu errado!
#Ele pegou apenas 3 de cada.

subset(dados, dados$Classe=="A" | dados$Classe=="B")

#Aqui deu certo!!!
#O símbolo "|" funciona como OR (ou).

Poxa Marcos muito obrigado. Faz todo sentido. Legal que vc conseguiu resolver. Agradeço mesmo a força. Preciso com certa frequência desta função então, para mim, será uma mão na roda.
Muito obrigado.

Fantástico, que bom que vai ser útil!