来自idw()包的函数krige()和gstat在响应或预测变量包含缺失值（NA）时保持报告错误，即使na.action是na.omit设置为require(gstat)
data(meuse)
coordinates(meuse) = ~x+y
data(meuse.grid)
gridded(meuse.grid) = ~x+y
meuse2 <- as.data.frame(meuse)
meuse2[1, 'zinc'] <- NA
meuse2 <- SpatialPointsDataFrame(SpatialPoints(meuse), meuse2)
# idw response var
int <- idw(zinc ~ 1, meuse2, meuse.grid, na.action = na.omit)
# Error: dimensions do not match: locations 310 and data 154
# krige response var
m <- vgm(.59, "Sph", 874, .04)
int <- krige(zinc ~ 1, meuse2, meuse.grid, model = m, na.action = na.omit)
# Error: dimensions do not match: locations 310 and data 154
# krige predictor var
meuse3 <- as.data.frame(meuse)
meuse3[1, 'dist'] <- NA
meuse3 <- SpatialPointsDataFrame(SpatialPoints(meuse), meuse3)
int <- krige(zinc ~ dist, meuse3, meuse.grid, model = m, na.action = na.omit)
# Error: dimensions do not match: locations 310 and data 154
：
na.action这是一个错误吗？我们是否真的必须手动过滤我们的数据并将结果合并回原始数据框？有没有更简单的解决方案？为什么会有{{1}}选项呢？
答案 0 :(得分：3)
na.action参数处理newdata内的缺失值（不是locations或data）。
?idw / ?krige / ?predict.gstat
函数确定“newdata”中缺少值应该做什么。默认是预测'NA'。处理坐标和预测变量中的缺失值。
没有方法可以处理NA或locations中的data值（因此错误基本上是说位置中还有两个值作为数据（即缺失数据点的x和y坐标）
您可以通过删除缺少值的位置
来使其工作int <- idw(zinc ~ 1, meuse2[!is.na(meuse2$zinc),],newdata= meuse.grid)