最近,我在
table
函数中遇到了一种与我预期不符的行为:
例如,采用以下向量:
ex_vec <- c("Non", "Non", "Nan", "Oui", "NaN", NA)
如果我检查向量中的
NA
值,"NaN"
不被视为一个(如预期):
is.na(ex_vec)
# [1] FALSE FALSE FALSE FALSE FALSE TRUE
但是如果我尝试获取不同的值频率:
table(ex_vec)
#ex_vec
#Nan Non Oui
# 1 2 1
"NaN"
未出现在表中。
但是,如果我“要求”
table
显示 NA
值,我会得到:
table(ex_vec, useNA="ifany")
#ex_vec
# Nan NaN Non Oui <NA>
# 1 1 2 1 1
因此,字符串
"NaN"
在 NA
调用中被视为 table
值,而在输出中被视为非 NA
值。
我知道(这会更好)我可以通过将向量转换为
factor
来解决我的问题,但尽管如此,我真的很想知道这里发生了什么。有人有想法吗?
当
factor
匹配向量的级别时,它将其 exclude
列表转换为与输入向量相同的类型:
exclude <- as.vector(exclude, typeof(x))
因此,如果您的排除列表有
NaN
并且您的向量是字符,则会发生这种情况:
as.vector(exclude, typeof(letters))
[1] NA "NaN"
哦亲爱的。现在真正的
"NaN"
字符串将被排除。
要修复,请在
exclude=NA
中使用 table
(如果您正在制定可能会影响此问题的因素,请使用 factor
)。
我确实喜欢文档中的这个
factor
:
There are some anomalies associated with factors that have ‘NA’ as
a level. It is suggested to use them sparingly, e.g., only for
tabulation purposes.
放心...
我想到的第一个想法是看一下
table
定义,其开头为:
> table
function (..., exclude = if (useNA == "no") c(NA, NaN), useNA = c("no",
"ifany", "always"), dnn = list.names(...), deparse.level = 1)
{
听起来合乎逻辑,默认情况下表排除
NA
和 NaN
。
在表代码中挖掘,我们发现如果
x
不是一个因素,它会将其强制为一个因素(这里没有什么新内容,在文档中说了)。
else {
a <- factor(a, exclude = exclude)
我没有发现任何其他可能影响将
"NaN"
强制转换为 NA
值的输入。
因此,研究因素以了解为什么我们找到根本原因:
> factor
function (x = character(), levels, labels = levels, exclude = NA,
ordered = is.ordered(x), nmax = NA)
{
[...] # Snipped for brievety
exclude <- as.vector(exclude, typeof(x))
x <- as.character(x)
levels <- levels[is.na(match(levels, exclude))] # defined in the snipped part above, is the sorted unique values of input vector, coerced to char.
f <- match(x, levels)
[...]
f
}
在这里我们得到了它,排除参数,即使是
NA
值也被强制转换为字符向量。
所以发生的事情是:
> ex_vec <- c("Non", "Non", "Nan", "Oui", "NaN", NA)
> excludes<-c(NA,NaN)
> as.vector(excludes,"character")
[1] NA "NaN"
> match(ex_vec,as.vector(excludes,"character"))
[1] NA NA NA NA 2 1
我们将字符“NaN”匹配为排除向量,因为在比较之前已将其强制为字符。
好的,对于非编码员的住宅太阳能业主,您能告诉我们 NaN 代表什么吗?请给我们傻瓜式的 NaN 答案。