Question

我刚刚发现了is.na()函数的以下行为，我不明白：

df <- data.frame(a = 5:1, b = "text")
df
##   a    b
## 1 5 text
## 2 4 text
## 3 3 text
## 4 2 text
## 5 1 text
is.na(df)
##          a     b
## [1,] FALSE FALSE
## [2,] FALSE FALSE
## [3,] FALSE FALSE
## [4,] FALSE FALSE
## [5,] FALSE FALSE
is.na(df) <- "0"
df
##   a    b  0
## 1 5 text NA
## 2 4 text NA
## 3 3 text NA
## 4 2 text NA
## 5 1 text NA

我的问题
为什么is.na()会更改其参数（在这种情况下会向数据框添加一个额外的列）？在这种情况下，它的行为似乎更令人费解（或至少是意外），因为查询的结果对于所有实例都是FALSE。

NB
这个问题与分组和更改数据框中的NA值无关 - 我知道如何做到这一点（df[is.na(df)] <- "0"）。这个问题是关于is.na函数的行为！为什么对is.something函数的赋值改变了参数本身 - 这是意料之外的。

Answer 1

此处使用的实际函数不是is.na()，而是赋值函数`is.na<-`，默认方法为`is.na<-.default`。将该功能打印到控制台，我们看到：

function (x, value) 
{
    x[value] <- NA
    x
}

很明显，value应该是一个索引。如果您将data.frame编入索引df["0"]，则会尝试选择名为"0"的列。如果您将某些内容分配给df["0"]，则会创建并填充该列（在本例中为NA。

为了澄清，`is.na<-`将值设置为NA，不将NA值替换为其他值。

为什么is.na（）改变了它的论点？

1 个答案: