R 中带有 NA 的日期列 - mutate 的意外行为

我正在尝试使用数据集来遵循这个过程。 这是一个测试数据框：

id <- c("Johnboy","Johnboy","Johnboy")
orderno <- c(2,2,1)
validorder <- c(0,1,1)
ordertype <- c(95,94,95)
orderdate <- as.Date(c("2019-06-17","2019-03-26","2018-08-23"))

df <- data.frame(id, orderno, validorder, ordertype, orderdate)

然后我执行以下操作：

## compute order date for order types
df <- df %>%
  mutate(orderdate_dried = if_else(validorder == 1 &
                                  ordertype == 95,
                                  orderdate, as.Date(NA)),
         orderdate_fresh = if_else(validorder == 1 &
                                  ordertype == 94,
                                  orderdate, as.Date(NA)))

## take minimum order date by type by order number
df <- df %>%
  group_by(id, orderno) %>%
  mutate(orderdate_dried = min(orderdate_dried, na.rm = TRUE),
         orderdate_fresh = min(orderdate_fresh, na.rm = TRUE)) %>%
  ungroup()

## aggregate order date for each type over individual
df <- df %>%
  group_by(id) %>%
  mutate(max_orderdate_dried = max(orderdate_dried, na.rm=TRUE),
         max_orderdate_fresh = max(orderdate_fresh, na.rm=TRUE)) %>%
  ungroup()

但此过程结束时的所有最长日期均不适用！我不明白怎么办？此外，如果我测试原始的orderdate_dried对于 NA：

is.na(df$orderdate_dried)

我每行都得到 NA！这是怎么回事？！

非常有趣的问题，答案隐藏在问题本身中。为了清楚起见，而不是更新相同的内容df每次我都会使用df1, df2 etc.

我们首先从数据开始。

id <- c("Johnboy","Johnboy","Johnboy")
orderno <- c(2,2,1)
validorder <- c(0,1,1)
ordertype <- c(95,94,95)
orderdate <- as.Date(c("2019-06-17","2019-03-26","2018-08-23"))

df <- data.frame(id, orderno, validorder, ordertype, orderdate)

library(dplyr)

Step 1 -

df1 <- df %>%
        mutate(orderdate_dried = if_else(validorder == 1 &
                                         ordertype == 95,
                                        orderdate, as.Date(NA)),
               orderdate_fresh = if_else(validorder == 1 &
                                         ordertype == 94,
                                         orderdate, as.Date(NA)))

df1
#       id orderno validorder ordertype  orderdate orderdate_dried orderdate_fresh
#1 Johnboy       2          0        95 2019-06-17            <NA>            <NA>
#2 Johnboy       2          1        94 2019-03-26            <NA>      2019-03-26
#3 Johnboy       1          1        95 2018-08-23      2018-08-23            <NA>

这里一切都如预期。

Step 2 -

df2 <- df1 %>%
        group_by(id, orderno) %>%
        mutate(orderdate_dried = min(orderdate_dried, na.rm = TRUE),
                orderdate_fresh = min(orderdate_fresh, na.rm = TRUE)) %>%
        ungroup()

df2
# A tibble: 3 x 7
#  id      orderno validorder ordertype orderdate  orderdate_dried orderdate_fresh
#  <fct>     <dbl>      <dbl>     <dbl> <date>     <date>          <date>         
#1 Johnboy       2          0        95 2019-06-17 NA              2019-03-26     
#2 Johnboy       2          1        94 2019-03-26 NA              2019-03-26     
#3 Johnboy       1          1        95 2018-08-23 2018-08-23      NA           

这里的一切似乎也都符合预期，我们得到NA当组中没有其他日期时。

Step 3 -

df3 <- df2 %>%
        group_by(id) %>%
        mutate(max_orderdate_dried = max(orderdate_dried, na.rm=TRUE),
               max_orderdate_fresh = max(orderdate_fresh, na.rm=TRUE)) %>%
         ungroup()

df3
# A tibble: 3 x 9
#  id      orderno validorder ordertype orderdate  orderdate_dried orderdate_fresh max_orderdate_dried max_orderdate_fresh
 #  <fct>     <dbl>      <dbl>     <dbl> <date>     <date>          <date>          <date>              <date>             
#1 Johnboy       2          0        95 2019-06-17 NA              2019-03-26      NA                  NA                 
#2 Johnboy       2          1        94 2019-03-26 NA              2019-03-26      NA                  NA                 
#3 Johnboy       1          1        95 2018-08-23 2018-08-23      NA              NA                  NA    

这里一切似乎都不对劲。这些基本上与您执行的步骤相同，并且这与您获得的输出相同，因此直到这里我们还没有做任何不同的事情。

但我们错过的一件事是在第 2 步中我们收到了一条警告消息。

警告消息： 1：在 min.default(c(NA_real_, NA_real_), na.rm = TRUE) 中： min 没有非缺失参数；返回信息 2：在 min.default(NA_real_, na.rm = TRUE) 中： min 没有非缺失参数；返回信息

因为我们在返回的组中没有非 NA 值Inf即使输出df2显示 NA （为什么它显示NA当值为Inf在答案末尾添加了对此的解释）。所以即使你测试is.na有了它，它就失败了。

is.na(df2$orderdate_dried)
#[1] FALSE FALSE FALSE

Hence, max with na.rm也失败了。

 max(df2$orderdate_dried, na.rm = TRUE)
#[1] NA

因此，你得到了所有NA步骤 3 中的 s。

Solution

解决方案是检查is.finite

df3 <- df2 %>%
        group_by(id) %>%
         mutate(max_orderdate_dried = max(orderdate_dried[is.finite(orderdate_dried)], na.rm=TRUE),
                 max_orderdate_fresh = max(orderdate_fresh[is.finite(orderdate_fresh)], na.rm=TRUE)) %>%
         ungroup()


df3
# A tibble: 3 x 9
#  id      orderno validorder ordertype orderdate  orderdate_dried orderdate_fresh max_orderdate_dried max_orderdate_fresh
#  <fct>     <dbl>      <dbl>     <dbl> <date>     <date>          <date>          <date>              <date>             
#1 Johnboy       2          0        95 2019-06-17 NA              2019-03-26      2018-08-23          2019-03-26         
#2 Johnboy       2          1        94 2019-03-26 NA              2019-03-26      2018-08-23          2019-03-26         
#3 Johnboy       1          1        95 2018-08-23 2018-08-23      NA              2018-08-23          2019-03-26   

为什么它的值显示为NA当值为Inf ?

在第2步中，我们基本上做的是

min(NA, na.rm = TRUE)
#[1] Inf

警告信息： 在 min(NA, na.rm = TRUE) 中：min 没有非缺失参数；返回信息

这返回Inf我们收到一个警告。

但是，由于我们知道一列只能保存一个值class.

class(Inf) #is
#[1] "numeric"

但我们有“日期”类的数据df1's orderdate_dried column

 class(df1$orderdate_dried)
#[1] "Date"

so Inf然后被强制进入返回的“Date”类。

as.Date(min(NA, na.rm = TRUE))
#[1] NA

这又是回报NA但这不是真的NA and is.na在此失败

is.na(as.Date(min(NA, na.rm = TRUE)))
#[1] FALSE

因此，步骤 3 无法按预期工作。

我希望这个答案是清楚的，不要太混乱。