具有“NaN”值的函数表的意外行为

Question

最近，我在table 函数中遇到了一个出乎我意料的行为：

例如，让我们采用以下向量：

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（如预期的那样）：

is.na(ex_vec)
# [1] FALSE FALSE FALSE FALSE FALSE  TRUE

但如果我试图获得不同的值频率：

table(ex_vec)
#ex_vec
#Nan Non Oui 
#  1   2   1

"NaN" 没有出现在表格中。

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table 调用中被视为NA 值，而在输出中被视为非NA 值。

我知道（这会更好，并且）我可以通过将我的向量转换为 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？

Answer 1

当factor 匹配向量的级别时，它会将其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。现在将排除真正的"NaN" 字符串。

要解决此问题，请在table 中使用exclude=NA（如果您正在制造可能会影响此问题的因素，请使用factor）。

我很喜欢 factor 的文档中的这个：

 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……

Answer 2

我想到的第一个想法是看一下table 定义，它的开头是：

> 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，表不包括 NA 和 NaN。

在表格代码中挖掘，我们看到如果x不是一个因素，它会强制它成为一个因素（这里没有什么新东西，文档中说）。

    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，研究因素以了解我们找到根本原因的原因：

> 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，exclude 参数，即使是NA 值也被强制转换为字符向量。

那么会发生什么：

> 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

我们确实匹配字符“NaN”作为排除向量，因为在比较之前被强制转换为字符。