如何在不丢失 R 中的 NA 值的情况下有条件地从数据框中删除观察值？

Question

在数据框中有一个名为YOB的变量。如您所见，有 333 个 NA 个值。

> summary(train$YOB)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
   1880    1970    1983    1980    1993    2039     333

我发现了一些异常值并想去除它们。小于 1900 和大于 2003 的任何值都应被删除。我试图通过索引来做到这一点。

train = train[which(train$YOB >= 1900 & train$YOB <= 2003),]

不幸的是，YOB 变量为 NA 的观察结果也被删除。

> summary(train$YOB)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   1900    1970    1983    1980    1993    2003

附带说明一下，我在使用 subset 命令时遇到了同样的问题。

> train = subset(train, YOB >= 1900 & YOB <= 2003)
> summary(train$YOB)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   1900    1970    1983    1980    1993    2003

我也曾尝试在两次尝试中使用此条件，但都没有成功，例如

> train = train[which(!is.na(train$YOB) & train$YOB >= 1900 & train$YOB <= 2003),]
> summary(train$YOB)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   1900    1970    1983    1980    1993    2003

我想在 YOB 变量中保留 NA 的观察结果，只删除那些是数字的观察结果。这个想法是在第二步中估算缺失值。

Answer 1

which 将给出数字索引并跳过所有这些 NA 行。为避免这种情况，请使用不使用 which 换行的逻辑索引。索引将以这种方式为 NA，即使存在其他非 NA 值，该行也将保持为 NA。

res1 <- train[train$YOB >= 1900 & train$YOB <= 2003,]
res1[is.na(res1$YOB),]
#   YOB col2
#NA  NA   NA

正确的方法是使用 is.na

的另一个条件

res2 <- train[is.na(train$YOB)| (train$YOB >= 1900 & train$YOB <= 2003),]
res2[is.na(res2$YOB),]
#   YOB      col2
#42  NA 0.2258094

使用一个简单的例子

set.seed(25)
d1 <- data.frame(v1 = c(NA, 1, 5), v2 = rnorm(3))
d1$v1 >1
#[1]    NA FALSE  TRUE

此处，NA 值保持原样。如果我们使用 which

which(d1$v1 >1)
#[1] 3

我们只得到 TRUE 值的索引。根据OP，NA和满足逻辑条件的行都应该return。那样的话，

d1[is.na(d1$v1)|d1$v1 > 1,]
# v1         v2
#1 NA -0.2118336
#3  5 -1.1533076

数据

set.seed(29)
train <- data.frame(YOB = sample(c(NA, 1850:2015), 100, replace=TRUE), 
           col2 = rnorm(100))

如何在不丢失 R 中的 NA 值的情况下有条件地从数据框中删除观察值？

How can I remove observations from a data frame conditionally without losing NA values in R?

r

subset

missing-data

na

数据