我有一个大型数据框，其中包括以下2个字段和显示的行数（为简单起见，只显示了2列）：
> nrow(df)
[1] 3541393
> summary(df$ttlVisits)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.000 1.000 1.000 1.527 1.000 118.000
> summary(df$AVGsessTOS)
Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
1 27 30 115 72 21554 280146
我想用AVGsessTOS删除行＆gt; 1628
> nrow(df[df$AVGsessTOS>=1628,])
[1] 300645
所以，我运行以下命令，期望删除300,645行，而是获得20,499行：
过滤器1：
df＆lt; - df [df $ AVGsessTOS＆lt; 1628，]
命令对行计数和2个原始列的影响：
> 3541393 - nrow(df)
[1] 20499
> summary(df$ttlVisits)
Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
1.00 1.00 1.00 1.53 1.00 118.00 280146
> summary(df$AVGsessTOS)
Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
1.0 27.0 30.0 102.5 70.0 1627.5 280146
如果我对我的过滤方法进行简单的更改并使用'哪个'函数，我会得到我期望的结果。
过滤器2：
df＆lt; - df.bak＃恢复原始数据框
df＆lt; - df [（df $ AVGsessTOS＆lt; 1628），]
命令的影响：
> 3541393 - nrow(df)
[1] 300645
> summary(df$ttlVisits)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.000 1.000 1.000 1.526 1.000 118.000
> summary(df$AVGsessTOS)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.0 27.0 30.0 102.5 70.0 1627.5
我对上述内容的解释是，过滤器＃1导致预期的300,645行被丢弃但由于df $ AVGsessTOS中存在NA，因此会产生添加280,146“空行”的副作用。 （300,645 - 280,146 = 20,499）
有人可以确认我对这些结果的解释，这是过滤器＃1的预期行为吗？
也许这会帮助别人避免因此而受到影响。谢谢
更新：使用mtcars复制问题：
data(mtcars)
set.seed(66)
> nrow(mtcars)
[1] 32
查看“碳水化合物”列分布的细分符合预期，共计32：
> table(mtcars$carb)
1 2 3 4 6 8
7 10 3 10 1 1
现在将3个碳水化合物值设置为NA（不是整行，只是碳水化合物值）以创建与我的数据集类似的数据，以说明问题：
set.seed(66)
mtcars[sample(1:nrow(mtcars), 3), ]$carb <- NA
同样，“碳水化合物”栏目总数为29的分布符合预期，比设定NA后的原始数据少3个：
> table(mtcars$carb)
1 2 3 4 6 8
6 10 1 10 1 1
现在，删除上面显示的6行，碳水化合物值为1
> mtcars2 <- mtcars[mtcars$carb>=2,]
确认删除了预期记录：
> table(mtcars2$carb)
2 3 4 6 8
10 1 10 1 1
但是，行数与上述计数不符：
> nrow(mtcars2)
26
检查数据显示3行NA值。 这些行来自哪里？
View(mtcars2)
( replicate to see output of 'view' )
答案 0 :(得分：2)
我对上述内容的解释是过滤器＃1引起了预期 300,645行被丢弃但是产生了280,146的副作用 由于df $ AVGsessTOS中存在NA，“空行”。 （300,645 - 280,146 = 20,499）
原则上，subesetting 无法扩展您的数据框。看看下面的例子：
对于数据集：
set.seed(123)
mtcars[sample(1:10, 3), ] <- NA
根据条件mtcars[mtcars$carb > 2, ]过滤值会导致匹配行和NAs：
>> mtcars[mtcars$carb > 2, ]
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
NA NA NA NA NA NA NA NA NA NA NA NA
NA.1 NA NA NA NA NA NA NA NA NA NA NA
Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
NA.2 NA NA NA NA NA NA NA NA NA NA NA
Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
通过fortunes包提供了一个更有趣的解释：
fortunes::fortune(which = "is.na")
JPM Miao：为什么R不能理解if（num！= NA）？
Peter Dalgaard：因为与未知值的比较会产生未知结果。
David Winsemius：其他任何东西都会违反热力学第二定律。我们不能比较减少熵，现在我们可以吗？不确定性无法走上坡路。JPM Miao，Peter Dalgaard和David Winsemius（关于为什么需要.na（））R-help（2013年5月）
如果您比较结果，which，which aims to return index of elements where logical value is TRUE所扮演的角色：
>> which(mtcars$carb > 2)
[1] 2 7 11 12 13 14 15 16 17 24 29 30 31
>> mtcars$carb > 2
[1] NA TRUE NA NA FALSE FALSE TRUE NA NA NA TRUE TRUE TRUE
[14] TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
[27] FALSE FALSE TRUE TRUE TRUE FALSE
which返回条件为true的行索引，而子集化操作返回三个值NA，TRUE和FALSE。
答案 1 :(得分：0)
看起来是吗？我通常不会以这种方式过滤，通常我会使用dplyr。
set.seed(123)
df <- data.frame(x = sample(1:5, 100, replace = TRUE), y = sample(c(1, 4, NA), 100, replace = TRUE))
不使用哪个：
> head(df[(df$y < 2),], 10)
x y
2 4 1
NA NA NA
NA.1 NA NA
NA.2 NA NA
10 3 1
NA.3 NA NA
12 3 1
13 4 1
NA.4 NA NA
NA.5 NA NA
使用：
> head(df[which(df$y < 2),], 10)
x y
2 4 1
10 3 1
12 3 1
13 4 1
16 5 1
22 4 1
23 4 1
24 5 1
27 3 1
28 3 1
我建议您使用head()或View()（在RStudio中）调查您的数据框，或以某种方式打印它们。它将有助于回答一些有关想知道发生了什么的问题！