由于 NA 无法对数据帧进行子集化（过滤）答案

【问题标题】：Unable to subset (filter) a data frame due to NA's由于 NA 无法对数据帧进行子集化（过滤）
【发布时间】：2016-12-21 06:03:27
【问题描述】：

为什么在 dplyr 的 filter 下方的代码中没有返回与基本 R 子集相同的 data.frame？

事实上，它们都没有按预期工作。我想同时删除b==1 AND c==1 的观察/行。也就是说，我只想删除第三行。

require(dplyr)
df <- data.frame(a=c(0,0,0,0,1,1,1),
  b=c(0,0,1,1,0,0,1),
  c=c(1,NA,1,NA,1,NA,NA))

filter(df, !(b==1 & c==1))

df[!(df$b==1 & df$c==1),]

【问题讨论】：

标签： r data.table dplyr subset

【解决方案1】：

或者使用complete.cases将结果逻辑向量中的NA转换为FALSE，这样就可以在取反后挑出对应的行，这利用了NA & F = F：

filter(df, !(b == 1 & c == 1 & complete.cases(df[c('b', 'c')])))

#   a b  c
# 1 0 0  1
# 2 0 0 NA
# 3 0 1 NA
# 4 1 0  1
# 5 1 0 NA
# 6 1 1 NA

这里涉及到NA的更多逻辑操作，乍一看有点混乱，但它们遵循逻辑：

NA & F
# [1] FALSE
NA | T
# [1] TRUE
NA & T
# [1] NA
NA | F
# [1] NA

【讨论】：

【解决方案2】：

这是我能想到的最简单的选择：

filter(df, !((b==1 & c==1) %in% TRUE))
#  a b  c
#1 0 0  1
#2 0 0 NA
#3 0 1 NA
#4 1 0  1
#5 1 0 NA
#6 1 1 NA

# or equivalently in data.table
dt[!((b==1 & c==1) %in% TRUE)]

另一个可能更详细/清晰的选项是使用!(b==1 & c==1) | is.na(b+c) 作为比较。

【讨论】：

不错。如果isTRUE 被矢量化，这将是这个逻辑的一个很好的表达。我想有人可以强制解决问题df %>% filter(!Vectorize(isTRUE)(b == 1 & c == 1))，但我不确定这是否更清楚。

【解决方案3】：

使用data.table

library(data.table)
setDT(df)[df[,!(b==1 & c== 1& complete.cases(.SD[, c('b', 'c'), with = FALSE]))]]
#   a b  c
#1: 0 0  1
#2: 0 0 NA
#3: 0 1 NA
#4: 1 0  1
#5: 1 0 NA
#6: 1 1 NA

【讨论】：

【解决方案4】：

是的，NA 值会导致问题。这里有 4 种解决方法：

方法一：两步排除

n <- (df$b+df$c==2)
df[n %in% c(NA, "FALSE"),]

方法二：条件和

df[!(complete.cases(df$b,df$c) & df$b+df$c == 2),]

方法三：循环/函数

filterwithNA <- function(df,n){
  for(i in 1:nrow(df)){
    if(!is.na(df$b[i]) & !(is.na(df$c[i]))){
      if(df$b[i] == n & df$c[i] == n){
        df <- df[-i,]
      }
    }
  }
  return(df)
}

filterwithNA(df, n=1)

方法四：临时数字替换

df[is.na(df)] <- 999

df[!(df$b==1 & df$c==1),]
df[df==999] <- NA
df

【讨论】：

这是一个解决方案，@Hack-R。我认为这不是最好的，但它有效。在我看来，R（和 dplyr）应该更好地处理这些类型的 NA，毕竟它们是生活的一部分。
@RodrigoRemedio 是的，NA 一直在造成问题。相信我，我明白。
@RodrigoRemedio 我又添加了 2 个解决方案
@thelatemail 不用担心