当使用等于（==）的因子对行进行子集化时，也包括NA。 ％in％不会发生这种情况。这是正常的吗？

Question

假设我有一个因子A有3个等级A1，A2，A3和NA＆＃39; s。每个出现10例，因此共有40例。如果我做

subset1 <- df[df$A=="A1",]  
dim(subset1)  # 20, i.e., 10 for A1 and 10 for NA's
summary(subset1$A) # both A1 and NA have non-zero counts
subset2 <- df[df$A %in% c("A1"),] 
dim(subset2)  # 10, as expected
summary(subset2$A) # only A1 has non-zero count

用于子集化的变量类是因子还是整数是一样的。它是如何相等（和＆gt;，＆lt;）有效吗？因此，我应该坚持使用%in%因素，并且在使用相等时始终包括!is.na？谢谢！

Answer 1

是的，==和%in%的返回类型与NA不同，因为"%in%"的定义方式......

# Data...
x <- c("A",NA,"A")

# When NA is encountered NA is returned
# Philosophically correct - who knows if the
# missing value at NA is equal to "A"?!
x=="A"
#[1] TRUE   NA TRUE
x[x=="A"]
#[1] "A" NA  "A"

# When NA is encountered by %in%, FALSE is returned, rather than NA
x %in% "A"
#[1]  TRUE FALSE  TRUE
x[ x %in% "A" ]
#[1] "A" "A"

这是因为（来自文档）......

%in%是match的别名，定义为

"%in%" <- function(x, table) match(x, table, nomatch = 0) > 0

如果我们将其重新定义为match的标准定义，您会看到它的行为方式与==相同

"%in2%" <- function(x,table) match(x, table, nomatch = NA_integer_) > 0
x %in2% "A"
#[1] TRUE   NA TRUE

Answer 2

在您想要的内容（仅与您的过滤匹配的条目）与R的内容之间存在不匹配。

不同之处在于，当选择向量包括NA时，相应的条目产生输出，但值为NA。您运行的逻辑测试会产生NAs，这是问题发生的地方。

考虑以下情况：

x <- 1:10
y <- x
y[4] <- NA
ix1 <- which(x < 5)
ix2 <- which(y < 5)
x[ix1]
y[ix2]

对战：

x[x < 5]
y[y < 5]

和

y < 5

正是由于这种行为，我几乎从不使用v[logicalCondition]而是添加一个额外的命令来选择条目，例如ixSelect <- which(logicalCondition)。如果您需要NA，可以使用which(logicalCondition | is.na(v))。