Question

我有一个数据集df，我想删除变量y没有值a的所有行。变量y还包含一些NAs：

df <- data.frame(x=1:3, y=c('a', NA, 'c'))

我可以使用R的索引语法实现这一点：

df[df$y!='a',]

  x    y
  2 <NA>
  3    c

请注意，这会返回NA和值c - 这就是我想要的。

但是，当我使用subset或dplyr::filter尝试相同的操作时，NA会被删除：

subset(df, y!='a')

  x    y
  3    c

dplyr::filter(df, y!='a')
  x    y
  3    c

为什么subset和dplyr::filter会像这样工作？这对我来说似乎不合逻辑 - NA与a不同，所以为什么在我指定我想要除变量NA等于的所有行之外删除y a？

除了明确要求NAs返回之外，还有一些方法可以改变这些功能的行为，即

subset(df, y!='a' | is.na(y))

由于

Answer 1

“预期”行为的示例实际上并不会返回您在问题中显示的内容。我明白了：

> df[df$y != 'a',]
    x    y
NA NA <NA>
3   3    c

这可能比<{1}}和subset返回的更多错误。请记住，在R中，dplyr::filter的意思是“未知”，因此NA会返回，

df$y != 'a'

所以R被告知你肯定不想要第一行，你确实想要最后一行，但是你是否想要第二行字面意思是“未知”。因此，它包含一行> df$y != 'a' [1] FALSE NA TRUE s。

许多人不喜欢这种行为，但它就是这样。

NA和subset提供了一个不同的默认选择，即只删除dplyr::filter行，这可能是准确的。

但实际上，这里的教训是，如果您的数据有NA s，那就意味着您需要通过使用NA之类的条件，或者如上所述，在所有点进行防御性编码在另一个答案中使用基于is.na(df$y) | df$y != 'a'的{{1}}。

Answer 2

一种解决方法是使用%in%：

subset(df, !y %in% "a")
dplyr::filter(df, !y %in% "a")