使用逻辑选择时，为什么在新创建的data.frame中有NA？

Question

我试图摆脱R data.frame中的NAs。我试图创建一个新的df，其中只包含其群集为＆＃34; texas＆＃34;在这个例子中。

> newdf <- df[df$cluster == "texas",]
> summary(newdf$cluster)
     texas    oklahoma            NA's 
      510           0             719 

我找到other questions解决了NAs的问题，但在这种情况下，我只选择那些＆＃34; cluster＆＃34;列等于＆＃34;德克萨斯＆＃34; - NAs是怎么来的？

有没有更好的方法来做我想要的事情？

Answer 1

正如@MrFlick建议的那样，NA值会以略微（微妙？）不同的方式处理，具体取决于您的索引方式。

测试数据：

dd <- data.frame(cluster=c("oklahoma","texas",NA))

1. 逻辑索引：索引向量中的TRUE值选择相应的值，FALSE删除它，NA结果为NA

dd$cluster=="oklahoma"
## [1] TRUE FALSE NA
summary(dd[dd$cluster=="oklahoma",])
## oklahoma    texas     NA's 
##        1        0        1 

原则上，您可以使用dd$cluster=="oklahoma" & !is.na(dd$cluster)作为标准 - 因为FALSE & NA是FALSE - 但这很尴尬。 （由于我们已经指定了单列数据框，而没有说drop=FALSE，因此在汇总之前将结果简化为向量。）

1. 子集：虽然它是sometimes deprecated for non-interactive use，但subset具有便捷的属性，可以在标准评估为NA时删除值。 （另外，subset总是返回一个数据框，即使结果只有一列宽。）

summary(subset(dd,cluster=="oklahoma"))
##      cluster 
##  oklahoma:1  
##  texas   :0  

1. 的其中：

which()仅返回TRUE值的索引，而非NA值：

which(dd$cluster=="oklahoma")
## [1] 1
summary(dd[which(dd$cluster=="oklahoma"),])
## oklahoma    texas 
##        1        0