存在 NA 时如何在因子级别上对数据帧进行子集化答案

【问题标题】：How to subset dataframe on factor levels when NA are present存在 NA 时如何在因子级别上对数据帧进行子集化
【发布时间】：2020-07-06 23:13:23
【问题描述】：

我想在因子水平上对数据框进行子集化，但是当存在 NAs 时很难这样做。这是两个比较数据框，一个在因子列中没有NA，一个带有NA：

df1 <- data.frame(v = c("ABC", "def", "ABC", "ghi"), 
                  f = c(4.11, 3.22, NA, 7.44))

df2 <- data.frame(v = c(NA, "ABC", "def", "ABC", "ghi"), 
                  f = c(2.33, 4.11, 3.22, NA, 7.44))

在df1 中，因子水平的子集效果很好。例如：

df1[!df1$v == "ABC",]
    v    f
2 def 3.22
4 ghi 7.44

相比之下，df2 中的子集充满了问题：

df2[!df2$v == "ABC",]
      v    f
NA <NA>   NA
3   def 3.22
5   ghi 7.44

问题是双重的：（i）df2$v 中带有<NA> 的行被包括在内，而它不应该被包括在内；（ii）它旁边的值（即df2$f 下同一行上的值）是NA，而该值应该是2.33。

我怎样才能干净而正确地对df2 进行子集化，结果是这样的：

      v    f
3   def 3.22
5   ghi 7.44

【问题讨论】：

标签： r subset na

【解决方案1】：

你可以使用下面这行代码

df2[!(df2$v == "ABC") & !is.na(df2$v), ]

#     v    f
# 3 def 3.22
# 5 ghi 7.44

或者还有这一行，我更喜欢这样，因为我不必输入几个额外的括号

df2[df2$v != "ABC" & !is.na(df2$v), ]

#     v    f
# 3 def 3.22
# 5 ghi 7.44

【讨论】：