Question

有人可以向我解释为什么解决NA的逻辑评估会在基于矢量比较的子集中产生虚假行吗？例如：

employee <- c("Big Shot CEO", "Programmer","Intern","Guy Who Got Fired Last Week")
salary <-   c(      10000000,        50000,       0,                           NA)
emp_salary <- data.frame(employee,salary)

# how many employees paid over 100K?
nrow(emp_salary[salary>100000,]) # Returns 2 instead of 1 -- why?

emp_salary[salary>100000,]
# returns a bogus row of all NA's (not "Guy Who Got Fired")
#        employee salary
# 1  Big Shot CEO  1e+07
# NA         <NA>   <NA>

salary[salary>100000]
# returns:
# [1] 1e+07    NA

NA > 100000 #returns NA

鉴于这种意外行为，在上述示例中，计算超过100K的员工的首选方法是什么？

Answer 1

首先，您可能不想先cbind() - 这会将您的所有变量强制转换为角色。

 emp_salary <- data.frame(employee,salary)

两种可能的解决方案：

subset会自动排除标准为NA的情况：

nrow(subset(emp_salary,salary>1e5))

直接计算结果并使用na.rm=TRUE：

sum(salary>1e5,na.rm=TRUE)

关于虚假行背后的逻辑：

bigsal <- salary>1e5是一个包含NA s的逻辑向量，因为它必须（因为无法知道NA值是否满足标准）。
使用包含NA s的逻辑向量索引数据帧的行时，这可能是文档中最突出的位（来自help("[")）：

提取时，数字，逻辑或字符'NA'索引选择一个未知元素，因此在逻辑，整数，数字，复数或字符结果的相应元素中返回'NA'，并为列表返回'NULL'

（我搜索help("[.data.frame")并且看不到更有用的内容。）

要记住的是，一旦索引完成，R就不再知道逻辑向量是从salary列创建的，所以没有办法让它做什么您可能想要的，即保留其他列中的值。这是考虑使用NA s填充NA行中所有列的看似奇怪的行为的一种方法：如果R完全离开行，那么这将符合标准是FALSE。如果它保留它（并且记住它不能仅保留几列并删除其他列），那么这将符合TRUE标准。如果标准既不是FALSE也不是TRUE，那么很难看出其他行为是否有意义......

与NA值进行数字比较会导致R中的子集不正确

1 个答案: