NA 有不同类型吗？我的数据集的 NA 计数随嘎嘎声变化？

Question

我正在使用拨浪鼓包进行一些数据清理，并且我正在考虑数据集中的第一个变量 X。它报告，当我在第一个选项卡“数据”选项卡中执行操作时，我得到了数据集的一些基本信息，它表示变量 X 有 1243 个缺失值。这也是我使用

sum(is.na(my_df[,1]))

时获得的值。

在下一个选项卡“探索”选项卡上，当我检查“摘要”时，它现在显示变量 X 中只有 942 个 NA。

我如何理解这些不同的数字？我手动浏览了我的数据集，并查看了一些具有 NA 的行，并且这些 NA 看起来都相同（我知道有时存在不同类型的 NA）。

（附带问题：

sum(is.na(my_df[,1]), na.rm = FALSE)

和

sum(is.na(my_df[,1]),na.rm = TRUE)

也都产生相同的数字 1243，为什么？我本以为会有一个给我

length(my_df[,1])-1243

。）

---

编辑这是存在此问题的数据集：https://wetransfer.com/downloads/cf454b2c12857a4e3770102a7222422f20171019153755/516fb0。

其中的数字略有不同，不是 1243，而是根据 Rattle() 中的“数据”选项卡（或者等效地根据

summary(ten_df)

）我们有 88 个 NA，根据“探索”有 62 个 NA检查“摘要”选项卡。

但现在我怀疑我的数据集已损坏，因为在上传完整的数据集之前，我最初只想上传一个说明性专栏。但是当我执行的时候

ten_df = read.csv("ten.csv",sep=";") 
my_df = as.data.frame(ten_df[,3])

因为我想用

var2

查看第三列，并且

my_df

是我最初想要上传的内容，所以最后一个命令返回错误

Warning messages:
1: In rep(no, length.out = length(ans)) :
  'x' is NULL so the result will be NULL

此外，当随后选择 my_df 用拨浪鼓分析它时，拨浪鼓在底部提供反馈的栏中显示“0 输入变量”。怎么会这样？

Answer 1

?NA

NA 是长度为 1 的逻辑常量，其中包含缺失值 指标。 NA 可以强制为除原始向量之外的任何其他向量类型。 还有常量 NA_integer_、NA_real_、NA_complex_ 和 支持缺失的其他原子向量类型的 NA_character_ 值：所有这些都是 R 语言中的保留字。

class(NA)             # "logical"
class(NA_integer_)    # "integer"
class(NA_real_)       # "numeric"
class(NA_complex_)    # "complex"
class(NA_character_)  # "character"
is.na(NA)             # TRUE
is.na(NA_integer_)    # TRUE
is.na(NA_real_)       # TRUE
is.na(NA_complex_)    # TRUE
is.na(NA_character_)  # TRUE
identical(NA,NA_integer_)    # FALSE
identical(NA,NA_real_)       # FALSE
identical(NA,NA_complex_)    # FALSE
identical(NA,NA_character_)  # FALSE
identical(NA_character_,as.character(NA)) # TRUE
identical(NA_real_,as.numeric(NA))        # TRUE
identical(as.logical(NA_real_),NA)        # TRUE

所以 NA 是

logical

。那么为什么我们几乎到处都使用 NA 而不用担心类呢？因为强制规则：

class(c(NA,1)[1])                # "numeric"
identical(c(NA,1),c(NA_real_,1)) # TRUE
c(NA_character_,1)               # [1] NA  "1"

根据

class

，

NA

的打印方式也可能不同

现在回到你的问题，我无法回答第一个问题，因为你没有提供可重现的数据，但至于为什么

sum(is.na(my_df[,1]), na.rm = FALSE)

和

sum(is.na(my_df[,1]),na.rm = TRUE)

，这是因为

is.na(my_df[,1])

仅由

TRUE

和

FALSE

组成，不是

NA

s。

你也可以尝试

length(na.omit(my_df[,1]))

。

编辑：

data.frame

的给定列仅包含一个类的元素，因此同一列中不会有不同的

NA_character_

和

NA_real_

。

经常发生的事情是，您将拥有一些值为

"NA"

的字符串，您当然不应该期望

is.na

检测到这些字符串。在这些情况下，您可以使用

df[df == "NA"] <- NA

在

NA

 中使用常规 

"NA"

 而不是 

data.frame

字符串