来自 dplyr 的子集和过滤器之间的区别

它们确实产生了相同的结果，而且在概念上非常相似.

subset的优点是它是base R的一部分，不需要任何额外的包.对于小样本量，它似乎比filter快一点(在你的例子中是6倍，但以微秒为单位).

随着数据集的增长，filter似乎在效率上占了上风.在15000条记录中，filter条比subset条快了约300微秒.在153000条记录中，filter条记录的速度快了三倍(以毫秒为单位).

所以就人类时间而言，我认为两者没有太大区别.

另一个优势(这是一个小众优势)是filter可以在SQL数据库上运行，而无需将数据拉入内存.subset根本不能做到这一点.

就个人而言，我倾向于使用filter，但这只是因为我已经在使用dplyr框架.如果你不处理内存不足的数据，这不会有多大区别.

library(dplyr)
library(microbenchmark)

# Original example
microbenchmark(
  df1<-subset(airquality, Temp>80 & Month > 5),
  df2<-filter(airquality, Temp>80 & Month > 5)
)

Unit: microseconds
   expr     min       lq     mean   median      uq      max neval cld
 subset  95.598 107.7670 118.5236 119.9370 125.949  167.443   100  a 
 filter 551.886 564.7885 599.4972 571.5335 594.993 2074.997   100   b


# 15,300 rows
air <- lapply(1:100, function(x) airquality) %>% bind_rows

microbenchmark(
  df1<-subset(air, Temp>80 & Month > 5),
  df2<-filter(air, Temp>80 & Month > 5)
)

Unit: microseconds
   expr      min        lq     mean   median       uq      max neval cld
 subset 1187.054 1207.5800 1293.718 1216.671 1257.725 2574.392   100   b
 filter  968.586  985.4475 1056.686 1023.862 1036.765 2489.644   100  a 

# 153,000 rows
air <- lapply(1:1000, function(x) airquality) %>% bind_rows

microbenchmark(
  df1<-subset(air, Temp>80 & Month > 5),
  df2<-filter(air, Temp>80 & Month > 5)
)

Unit: milliseconds
   expr       min        lq     mean    median        uq      max neval cld
 subset 11.841792 13.292618 16.21771 13.521935 13.867083 68.59659   100   b
 filter  5.046148  5.169164 10.27829  5.387484  6.738167 65.38937   100  a