与 NA 值的数值比较导致 R 中出现错误的子集

Question

有人可以向我解释为什么解析为 NA 的逻辑评估会在基于向量比较的子集中产生虚假行吗？例如：

employee <- c("Big Shot CEO", "Programmer","Intern","Guy Who Got Fired Last Week")
salary <-   c(      10000000,        50000,       0,                           NA)
emp_salary <- data.frame(employee,salary)

# how many employees paid over 100K?
nrow(emp_salary[salary>100000,]) # Returns 2 instead of 1 -- why?

emp_salary[salary>100000,]
# returns a bogus row of all NA's (not "Guy Who Got Fired")
#        employee salary
# 1  Big Shot CEO  1e+07
# NA         <NA>   <NA>

salary[salary>100000]
# returns:
# [1] 1e+07    NA

NA > 100000 #returns NA

鉴于这种意外行为，在上面的示例中计算收入超过 10 万的员工的首选方法是什么？

Answer 1

首先，你可能不想 cbind() 首先——这将强制所有变量具有特征。

 emp_salary <- data.frame(employee,salary)

两种可能的解决方案：

• subset 自动排除标准为的情况 NA:

nrow(subset(emp_salary,salary>1e5))

• 直接计算结果并使用 na.rm=TRUE:

sum(salary>1e5,na.rm=TRUE)

至于伪行背后的逻辑：

• bigsal <- salary>1e5 是一个逻辑向量，其中包含 NAs，因为它必须（因为没有办法知道是否 NA 值是否满足标准）。
• 当使用包含以下内容的逻辑向量对数据帧的行进行索引时 NAs，这可能是文档中最显着的部分（来自 help("[")):

  提取时，数字、逻辑或字符“NA”索引选择未知元素，因此在逻辑、整数、数字、复数或字符结果的相应元素中返回“NA”，对于列表返回“NULL”。

（我搜索了 help("[.data.frame") 并且看不到任何更有用的东西。）

要记住的是，一旦索引完成，R 就不再知道逻辑向量是从 salary 列，因此它无法执行您可能想要的操作，即保留其他列中的值。这是一种思考填充中所有列的看似奇怪行为的方法 NA 排与 NAs:如果 R 将该行完全排除，则对应的标准是 FALSE. 。如果它保留它（并记住它不能只保留几列并删除其他列），那么这将对应于标准 TRUE. 。如果标准两者都不是 FALSE 也不 TRUE, ，那么很难看出其他行为有什么意义......