过滤 data.frame 中的 NAs 值

Question

我想过滤所有年龄为“NA”的数据。所以我使用了train[train$Age != "NA",]，它总是返回完整的数据帧。

[1] 891
> nrow(train)
[1] 891
> nrow(train[train$Age == "NA",])
[1] 177
> nrow(train[train$Age != "NA",])
[1] 891

我正在学习 R，但我对某一点感到震惊。我知道它很基础，但我自己或通过谷歌无法弄清楚。

数据集样本

     PassengerId Survived Pclass                                                Name    Sex Age SibSp Parch           Ticket
1           1        0      3                             Braund, Mr. Owen Harris   male  22     1     0        A/5 21171
2           2        1      1 Cumings, Mrs. John Bradley (Florence Briggs Thayer) female  38     1     0         PC 17599
3           3        1      3                              Heikkinen, Miss. Laina female  26     0     0 STON/O2. 3101282
4           4        1      1        Futrelle, Mrs. Jacques Heath (Lily May Peel) female  35     1     0           113803
5           5        0      3                            Allen, Mr. William Henry   male  35     0     0           373450
6           6        0      3                                    Moran, Mr. James   male  NA     0     0           330877

Answer 1

此示例可能会有所帮助，它向您展示了针对 "NA"（有效字符串）的测试如何产生实际的 NA（缺失）值，这会填满您选择的行。

train <- data.frame(id=1:5, Age=c(1:3,NA,5))
train
#  id Age
#1  1   1
#2  2   2
#3  3   3
#4  4  NA
#5  5   5

train$Age=="NA"
#[1] FALSE FALSE FALSE    NA FALSE

train[train$Age=="NA",]
#   id Age
#NA NA  NA

train$Age!="NA"
#TRUE TRUE TRUE   NA TRUE

train[train$Age!="NA",]
#   id Age
#1   1   1
#2   2   2
#3   3   3
#NA NA  NA
#5   5   5

您实际上想使用is.na 进行测试：

is.na(train$Age)
#[1] FALSE FALSE FALSE  TRUE FALSE

!is.na(train$Age)
#[1]  TRUE  TRUE  TRUE FALSE  TRUE

train[!is.na(train$Age),]
#  id Age
#1  1   1
#2  2   2
#3  3   3
#5  5   5

Answer 2

您的错误是 "NA" 是一个字符，而不是 NA 符号。有一个函数可以测试向量的某些分量是否为NA：is.na。您可以通过此示例看到不同之处：

x = c("NA", NA)
x == NA
# [1] NA NA
x == "NA"
# [1] TRUE   NA
is.na(x)
# [1] FALSE  TRUE

那么，试试吧：

train[!is.na(train$Age), ]