在 data.table 中过滤的奇怪行为答案

【问题标题】：Strange behavior for filtering in data.table在 data.table 中过滤的奇怪行为
【发布时间】：2015-08-07 08:52:30
【问题描述】：

我偶然发现了奇怪的数据表 i 行为，它返回一行带有 NAs 的行，我希望这是一个空数据表。见：

a = data.table(a = 1, d = NA) 
a[!is.na(a) & d == "3"] 
#     a  d
# 1: NA NA

我希望这里的结果是一个空的数据表。比较：

a = data.table(a = c(1,2), d = c(NA,3))
a[!is.na(a) & d == "3"] 
#    a d
# 1: 2 3

不过，这不会产生带有 NA 值的额外行。
这是data.table 中的错误还是有人可以解释这种行为背后的一些逻辑？

【问题讨论】：

我在 R 2.15.2 和 data.table 1.9.4，如果这很重要的话
这是一个错误。请在 github 项目页面上提出问题。谢谢。
Reported。这个问题应该怎么做？
最好保留它，以便我们可以在修复后回答它，这将阻止未来的 Q（如果被问到很容易标记为 dup）。
@Arun，看起来它已在 1.9.8 中修复。您能否提供一个答案并确认这不再可重现，以便我接受？

标签： r data.table

【解决方案1】：

感谢 ping @SergiiZaskaleta。我忘了更新这个问题，不过这个问题已经在不久前修复了，with this commit。

来自NEWS：

在i 中使用逻辑表达式的子集永远不会返回所有-NA 行。边缘情况 DT[NA] 现在已修复，#1252。感谢@sergiizaskaleta。

【讨论】：

【解决方案2】：

不知道是不是bug，但好像和你的变量d的类型有关。

a = data.table(a = 1, d = NA) 
str(a)
# Classes ‘data.table’ and 'data.frame':    1 obs. of  2 variables:
#  $ a: num 1
#  $ d: logi NA
#  - attr(*, ".internal.selfref")=<externalptr> 

a[!is.na(a) & d == "3"] # this returns NAs
#     a  d
# 1: NA NA

a[!is.na(a) & !is.na(d)] # this returns nothing
# Empty data.table (0 rows) of 2 cols: a,d

这个也可以：

a = data.table(a = 1, d = 4) 
str(a)
# Classes ‘data.table’ and 'data.frame':    1 obs. of  2 variables:
#  $ a: num 1
#  $ d: num 4
#  - attr(*, ".internal.selfref")=<externalptr> 

a[!is.na(a) & d == "3"]
#     Empty data.table (0 rows) of 2 cols: a,d

看起来如果一个变量是逻辑类型，它就不能与另一种类型进行比较并返回 NA。但是，使用 dplyr 包它似乎可以工作：

library(dplyr)

a = data.table(a = 1, d = NA) 
a %>% filter(!is.na(a) & d == "3")
# Empty data.table (0 rows) of 2 cols: a,d

与子集命令相同：

subset(a, !is.na(a) & d == "3")
# Empty data.table (0 rows) of 2 cols: a,d

【讨论】：