是否有不同类型的 NA？

Question

我正在使用 Rattle 包进行一些数据清理，并且我正在考虑我的数据集中的第一个变量 X。它报告说，当我在第一个选项卡“数据”选项卡中进行操作时，我得到了一些基本的数据集，它说变量 X 有 1243 个缺失值。如果我使用sum(is.na(my_df[,1]))，这也是我得到的值。

在下一个选项卡“探索”选项卡上，当我检查“摘要”时，它现在显示我在变量 X 中只有 942 个 NA。

如何理解这些不同的数字？我手动浏览了我的数据集并查看了一些具有 NA 的行，并且这些 NA 看起来都一样（我知道有时会有不同类型的 NA）。

（附带问题：sum(is.na(my_df[,1]), na.rm = FALSE) 和 sum(is.na(my_df[,1]),na.rm = TRUE) 也都产生相同的数字 1243，为什么？我原以为会有一个给我length(my_df[,1])-1243。）

---

EDIT 以下是存在此问题的数据集：https://wetransfer.com/downloads/cf454b2c12857a4e3770102a7222422f20171019153755/516fb0。

其中的数字略有不同，根据 rattle() 中的“数据”选项卡（或等效地，根据 summary(ten_df)），我们有 88 个 NA，而不是 1243，根据“探索”，我们有 62 个 NA " 带有选中的摘要选项卡。

但现在我怀疑我的数据集已损坏，因为在上传完整的数据集之前，我原本只想上传一个说明性的列。但是当我执行时

ten_df = read.csv("ten.csv",sep=";") 
my_df = as.data.frame(ten_df[,3])

因为我想看第三列var2和my_df是我本来想上传的，所以最后一个命令返回错误

Warning messages:
1: In rep(no, length.out = length(ans)) :
  'x' is NULL so the result will be NULL

此外，当随后选择 my_df 以用嘎嘎声对其进行分析时，嘎嘎嘎在给出反馈的底部栏中会显示“0 输入变量”。这怎么可能？

Answer 1

?NA

NA 是一个长度为 1 的逻辑常数，其中包含一个缺失值 指标。 NA 可以强制转换为除 raw 之外的任何其他向量类型。 还有常量 NA_integer_、NA_real_、NA_complex_ 和 支持缺失的其他原子向量类型的 NA_character_ values：所有这些都是R语言中的保留字。

class(NA)             # "logical"
class(NA_integer_)    # "integer"
class(NA_real_)       # "numeric"
class(NA_complex_)    # "complex"
class(NA_character_)  # "character"
is.na(NA)             # TRUE
is.na(NA_integer_)    # TRUE
is.na(NA_real_)       # TRUE
is.na(NA_complex_)    # TRUE
is.na(NA_character_)  # TRUE
identical(NA,NA_integer_)    # FALSE
identical(NA,NA_real_)       # FALSE
identical(NA,NA_complex_)    # FALSE
identical(NA,NA_character_)  # FALSE
identical(NA_character_,as.character(NA)) # TRUE
identical(NA_real_,as.numeric(NA))        # TRUE
identical(as.logical(NA_real_),NA)        # TRUE

所以 NA 是 logical。那么为什么我们几乎在任何地方都使用 NA 而不必担心类呢？因为强制规则：

class(c(NA,1)[1])                # "numeric"
identical(c(NA,1),c(NA_real_,1)) # TRUE
c(NA_character_,1)               # [1] NA  "1"

根据class，NA 的打印方式也可能不同

现在回到你的问题，我无法回答第一个问题，因为你没有提供可重复的数据，但至于为什么sum(is.na(my_df[,1]), na.rm = FALSE) 和sum(is.na(my_df[,1]),na.rm = TRUE)，那是因为is.na(my_df[,1]) 仅由TRUE 和@ 组成987654331@，不是NAs。

你也可以试试length(na.omit(my_df[,1]))。

编辑：

data.frame 的给定列只有一个类的元素，因此同一列中不会有不同的 NA_character_ 和 NA_real_。

然而，经常发生的事情是您将拥有一些值为"NA" 的字符串，您当然不应该期望is.na 检测到这些字符串。在这些情况下，您可以使用df[df == "NA"] <- NA 在data.frame 中使用常规的NAs 而不是"NA" 字符串