子集化 data.frame 时的 NA 会发生一些意想不到的事情

考虑以下代码。当你没有明确测试NA在您的情况下，该代码将在稍后您的数据发生更改时失败。

>   # A toy example
>   a <- as.data.frame(cbind(col1=c(1,2,3,4),col2=c(2,NA,2,3),col3=c(1,2,3,4),col4=c(4,3,2,1)))
>   a
  col1 col2 col3 col4
1    1    2    1    4
2    2   NA    2    3
3    3    2    3    2
4    4    3    4    1
>   
>   # Bummer, there's an NA in my condition
>   a$col2==2
[1]  TRUE    NA  TRUE FALSE
> 
>   # Why is this a good thing to do?
>   # It NA'd the whole row, and kept it
>   a[a$col2==2,]
   col1 col2 col3 col4
1     1    2    1    4
NA   NA   NA   NA   NA
3     3    2    3    2
>   
>   # Yes, this is the right way to do it
>   a[!is.na(a$col2) & a$col2==2,]
  col1 col2 col3 col4
1    1    2    1    4
3    3    2    3    2
>     
>   # Subset seems designed to avoid this problem
>   subset(a, col2 == 2)
  col1 col2 col3 col4
1    1    2    1    4
3    3    2    3    2

有人可以解释一下为什么你会在没有is.na检查会有什么好处或有用吗？

我绝对同意这不直观（我之前就说过这一点 https://stackoverflow.com/questions/1535021/whats-the-biggest-r-gotcha-youve-run-across）。为了捍卫 R，我认为知道何时有缺失值是有用的（即这不是一个错误）。这==运算符明确设计用于通知用户 NA 或 NaN 值。请参阅 ?"==" 了解更多信息。它指出：

缺失值 ('NA') 和 'NaN' 值被视为 甚至与他们自己都无法比较，所以涉及他们的比较 总是会导致“NA”。

换句话说，缺失值无法使用二元运算符进行比较（因为它是未知的）。

除了 is.na() 之外，你还可以这样做：

which(a$col2==2) # tests explicitly for TRUE

Or

a$col2 %in% 2 # only checks for 2

%in% 被定义为使用match()功能：

'"%in%" <- function(x, table) match(x, table, nomatch = 0) > 0'

这也包含在《R地狱》 http://www.burns-stat.com/pages/Tutor/R_inferno.pdf.

检查数据中的 NA 值是crucial在 R 中，因为许多重要的运算符并没有按照您期望的方式处理它。除了 == 之外，对于 &、|、

更新：当有多个逻辑条件时，NA如何处理？

NA是一个逻辑常量，如果您不考虑可能返回的内容（例如，NA | TRUE == TRUE）。这些真值表来自?Logic可以提供一个有用的说明：

outer(x, x, "&") ## AND table
#       <NA> FALSE  TRUE
#<NA>     NA FALSE    NA
#FALSE FALSE FALSE FALSE
#TRUE     NA FALSE  TRUE

outer(x, x, "|") ## OR  table
#      <NA> FALSE TRUE
#<NA>    NA    NA TRUE
#FALSE   NA FALSE TRUE
#TRUE  TRUE  TRUE TRUE