Question

正在使用R中的自动数据集。

如果我运行以下内容：

auto = read.csv("Auto.csv", header=TRUE, na.strings="?")
summary(complete.cases(auto))

我得到以下内容：

   Mode   FALSE    TRUE    NA's 
logical       5     392       0

然而，当我运行时，我会得到不同的结果：

auto1 = na.omit(auto)
dim(auto)  # returns [1] 397   9
dim(auto1) # returns [1] 392   9

为什么complete.cases（）告诉我我没有NA，但na.omit（）似乎正在删除一些条目？

Answer 1

区别在于complete.cases返回与数据集行数相同长度的逻辑向量，而na.omit删除至少有一个NA的行。使用下面创建的可重现示例，

complete.cases(auto)
#[1]  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE

正如我们所看到的，它是一个没有NA的逻辑向量。它为没有任何NA的行提供TRUE。因此，显然，对逻辑向量执行summary不会返回NA。

summary(complete.cases(auto))
#  Mode   FALSE    TRUE    NA's 
#logical       4       6       0

假设我们需要获得与na.omit相同的结果，派生的逻辑向量应该用于原始数据集的子集

autoN <- auto[complete.cases(auto),]
auto1 <- na.omit(auto)
dim(autoN)
#[1] 6 2
dim(auto1)
#[1] 6 2

虽然结果会相似，但na.omit也会返回一些属性

str(autoN)
#'data.frame':   6 obs. of  2 variables:
# $ v1: int  1 2 2 2 3 3
# $ v2: int  3 3 3 1 4 2
str(auto1)
#'data.frame':   6 obs. of  2 variables:
# $ v1: int  1 2 2 2 3 3
# $ v2: int  3 3 3 1 4 2
# - attr(*, "na.action")=Class 'omit'  Named int [1:4] 2 7 8 10
#  .. ..- attr(*, "names")= chr [1:4] "2" "7" "8" "10"

并且基于下面显示的基准，与complete.cases相比会更慢。

基准

set.seed(238)
df1 <- data.frame(v1 = sample(c(NA, 1:9), 1e7, replace=TRUE),
              v2 = sample(c(NA, 1:50), 1e7, replace=TRUE))
system.time(na.omit(df1))
#  user  system elapsed 
#   2.50    0.19    2.69 
system.time(df1[complete.cases(df1),])
#  user  system elapsed 
#  0.61    0.09    0.70

数据

set.seed(24)
auto <- data.frame(v1 = sample(c(NA, 1:3), 10, replace=TRUE), 
                   v2 = sample(c(NA, 1:4), 10, replace=TRUE))

complete.cases（）和na.omit（）

1 个答案:

基准

数据