Question

我使用数据集“ airquality”中的一个简单示例。

前四行是完整的，只需用complete.cases即可检查

第5行包含缺失值。第6行还包含缺失值。

可以通过以下方法快速检查：

is.na(airquality[5,])
is.na(airquality[6,])

我希望which(is.na(airquality))会给我包含至少一个真实语句（即至少一个NA值）的行号列表。

但是，它列出了5、10、25 ...，即未列出第6行。为什么？在第6行中有一个NA值！

library(datasets)
complete.cases(airquality)
is.na(airquality[5,])
is.na(airquality[6,])
which(is.na(airquality))

这里显然有一些我不理解的地方。非常感谢您的帮助。

Answer 1

来自# get the cases with missingness which(!complete.cases(airquality)) [1] 5 6 10 11 25 26 27 32 33 34 35 36 37 39 42 43 45 46 52 [20] 53 54 55 56 57 58 59 60 61 65 72 75 83 84 96 97 98 102 103 [39] 107 115 119 150 # and check against is.na unique(sort(which(is.na(airquality), arr.ind = TRUE)[ , 1])) [1] 5 6 10 11 25 26 27 32 33 34 35 36 37 39 42 43 45 46 52 [20] 53 54 55 56 57 58 59 60 61 65 72 75 83 84 96 97 98 102 103 [39] 107 115 119 150 all.equal(which(!complete.cases(airquality)), unique(sort(which(is.na(airquality), arr.ind = TRUE)[ , 1]))) TRUE：

is.na的数据帧方法返回具有相同逻辑矩阵尺寸作为数据框，并从行和数据框的列名称。

换句话说，它不是在向您提供假设的信息。通过计数向下的列，它为您提供了上述矩阵的元素。试试

{{1}}

我不理解的complete.cascas和which and is.na之间的矛盾

1 个答案: