如何通过包含 NA 作为级别的因素过滤 data.frame

Question

如果您有一个 data.frame 的因子不包括 NAs 作为级别，您可以毫无问题地过滤您的数据。

set.seed(123)
df=data.frame(a = factor(as.character(c(1, 1, 2, 2, 3, NA,3,NA)),exclude=NULL),
           b= runif(8))
#str(df)
df[df$a==3,]
#      a         b
#    5 3 0.9404673
#    7 3 0.5281055

如果您需要按 NA 级别过滤，则会出现这些问题。以下方法不起作用：

df[df$a==NA,]
df[df$a=="NA",]
df[is.na(df$a),]

我发现的唯一方法是将因子转换为数字并将其与级别数进行比较。

df[as.numeric(df$a)==4,]
#     a         b
#6 <NA> 0.0455565
#8 <NA> 0.8924190

还有其他更直观/优雅的方式来获得相同的结果吗？

Answer 1

使用 dplyr 和 %in% 运算符的简单方法是：

df %>%
  filter(
    a %in% NA_character_
  )
#>      a         b
#> 1 <NA> 0.0455565
#> 2 <NA> 0.8924190

正如这里的人们所提到的，R 中的 NA 匹配可能有点有趣。 “%in% 技巧”提供了更宽松的匹配，但恐怕我无法解释其中的来龙去脉。

Answer 2

如果您也有真正的缺失值（不属于因子的水平）...

DF = data.frame(
  x = factor(c("A", "B", NA), levels=c("A", NA), exclude=NULL),
  v = 1:3
)

第 3 行的 x 具有级别 NA，而第 2 行是真正的缺失值。

要获得第 3 行，您可以使用 data.table 进行连接...

library(data.table)
setDT(DF)

merge(DF, data.table(x = factor(NA_character_, exclude=NULL)))
# or
DF[.(factor(NA_character_, exclude=NULL)), on=.(x), nomatch=0]    

#     x v
# 1: NA 3

或者在 dplyr 中更尴尬：

dplyr::right_join(DF, 
  data.frame(x = factor(NA_character_, levels=levels(DF$x), exclude=NULL)))

# Joining, by = "x"
#      x v
# 1 <NA> 3

除了疯子外，我找不到任何办法到基地这里来……

wv = which(is.na(levels(DF$x)))
DF[ !is.na(DF$x) & as.integer(DF$x) == wv, ]

#      x v
# 3 <NA> 3

Answer 3

检查对应的df$a的等级是否为na：

df[is.na(levels(df$a)[df$a]),]
     a         b
6 <NA> 0.1649003
8 <NA> 0.6556045

正如弗兰克所指出的，这还包括df$a 的值（不仅仅是它的水平）是NA 的观察结果。我猜最初的海报想包括这些案例。如果没有，可以做类似的事情

x <- factor(c("A","B", NA), levels=c("A", NA), exclude = NULL)
i <- which(is.na(levels(x)[x]))
i[!is.na(x[i])]

给你3，只有NA-级别，忽略未知级别（B）。

Answer 4

我同意is.na() 不响应因素有点奇怪。但这似乎有效：

set.seed(123)
df=data.frame(a = factor(as.character(c(1, 1, 2, 2, 3, NA,3,NA)),exclude=NULL),
              b= runif(8))
df[is.na(as.character(df$a)),]