【问题标题】：Exclude rows having 'NA' getting in any subsetting排除在任何子集中具有“NA”的行
【发布时间】：2015-03-13 11:56:24
【问题描述】：

数据有一个字符列，其中还包含字符串“NA”。如果我根据该列执行数据子集，我会得到那些在该列中具有“NA”的行。所有这些行都被 NA 填充，替换了实际数据。

给出下面的数据样本：

sample.csv

SYMBOL,SERIES,CLOSE,TIMESTAMP
A2ZMES,EQ,10.8,4/1/2014
IIFLFIN,NA,999.2,4/1/2014
SCIT,NA,1150,4/1/2014
IIFLFIN,NA,1019.81,8/1/2014
IRFC,NA,1098.09,8/1/2014
AICHAMP,BE,14.15,4/1/2014

我为此目的使用的代码。

data = read.csv('sample.csv', as.is = T)
subdata = data [ data $SERIES=='EQ', ]

我只想在 SERIES 列中获取与 EQ 匹配的那些行，不希望那些 'NA' 行破坏它。 EQ 只是一个代表，有时我需要一些其他的字符串匹配，甚至可能是'NA'。

请帮助或任何指针来解决这个琐碎的问题。如果这可以通过基本 R 解决，则最好，否则我愿意使用任何包。感谢阅读。

【问题讨论】：

标签： r subset na

【解决方案1】：

NA 无法与任何东西相提并论。您还需要删除所有 NA 值才能执行此操作。

subdata = data [!is.na(data$SERIES) & data$SERIES=='EQ', ]

来自?"=="：

缺失值 (NA) 和 NaN 值即使与它们自身也被视为不可比较，因此涉及它们的比较总是会导致 NA。当比较字符串并且其中一个在当前排序规则语言环境中无效时，也可能导致缺失值。

【讨论】：

感谢您的回复。具有“NA”的行并不是真正的 NA，而是它们的 SERIES 变量值为“NA”，它还包括“N9”、“NB”、“NC”等值。所以这些行是感兴趣的并且不应该被丢弃。此外，data.frame 在任何地方都不应该有任何实际的 NA，并且运行 is.na 会删除 R 错误地将行标记为 NA 的行。不确定我是否能够正确传达这种感觉。如果您需要任何澄清，请告诉我。
如果“NA”不是缺失值，那么您需要使用替代的 NA 字符串进行读取。 read.csv("sample.csv",na.strings="zzzz") 例如。在这种情况下，您的原始代码应该可以正常工作。
谢谢。将na.strings 设置为一些未出现的字符串效果很好。

【解决方案2】：

library(dplyr)

数据

data <-
    structure(list(SYMBOL = c("A2ZMES", "IIFLFIN", "SCIT", "IIFLFIN", "IRFC", "AICHAMP"),
                   SERIES = c("EQ", NA, NA, NA, NA, "BE"), 
                   CLOSE = c(10.8, 999.2, 1150, 1019.81, 1098.09, 14.15), 
                   TIMESTAMP = c("4/1/2014", "4/1/2014", "4/1/2014", "8/1/2014", "8/1/2014", "4/1/2014")), 
              .Names = c("SYMBOL", "SERIES", "CLOSE", "TIMESTAMP"), 
              class = "data.frame", 
              row.names = c(NA, -6L))

解决方案

# filter non missing values

data %>% 
    filter(!is.na(SERIES))

   SYMBOL SERIES CLOSE TIMESTAMP
1  A2ZMES     EQ 10.80  4/1/2014
2 AICHAMP     BE 14.15  4/1/2014

【讨论】：