如何在不丢失 NA 行的情况下对 R 中的数据进行子集化？

Question

我在 R 中查看了一些数据。标题为 "Height" 的特定列包含几行 NA。

我希望对 data-frame 进行子集化，以便将所有高于特定值的高度排除在我的分析之外。

df2 <- subset ( df1 , Height < 40 )

但是，每当我这样做时，R 都会自动删除所有包含高度 NA 值的行。我不想这样。我尝试包含 na.rm

的参数

f1 <- function ( x , na.rm = FALSE ) {
df2 <- subset ( x , Height < 40 )
}
f1 ( df1 , na.rm = FALSE )

但这似乎没有任何作用；带有 NA 的行最终还是从我的 data-frame 中消失了。有没有办法在不丢失 NA 行的情况下对我的数据进行子集化？

Answer 1

如果我们决定使用subset功能，那么我们需要注意：

For ordinary vectors, the result is simply ‘x[subset & !is.na(subset)]’.

因此只会保留非 NA 值。

如果要保留 NA 个案例，请使用逻辑或条件告诉 R 不要删除 NA 个案例：

subset(df1, Height < 40 | is.na(Height))
# or `df1[df1$Height < 40 | is.na(df1$Height), ]`

不要直接使用（稍后解释）：

df2 <- df1[df1$Height < 40, ]

例子

df1 <- data.frame(Height = c(NA, 2, 4, NA, 50, 60), y = 1:6)

subset(df1, Height < 40 | is.na(Height))

#  Height y
#1     NA 1
#2      2 2
#3      4 3
#4     NA 4

df1[df1$Height < 40, ]

#  Height  y
#1     NA NA
#2      2  2
#3      4  3
#4     NA NA

后者失败的原因是 NA 的索引给出了 NA。考虑这个带有向量的简单示例：

x <- 1:4
ind <- c(NA, TRUE, NA, FALSE)
x[ind]
# [1] NA  2 NA

我们需要以某种方式将 NA 替换为 TRUE。最直接的方法是添加另一个 "or" 条件 is.na(ind):

x[ind | is.na(ind)]
# [1] 1 2 3

这正是您的情况。如果您的 Height 包含 NA，那么逻辑运算 Height < 40 最终会混合 TRUE / FALSE / NA，因此我们需要替换 NA 通过 TRUE 如上所述。

Answer 2

您还可以这样做：

df2 <- df1[(df1$Height < 40 | is.na(df1$Height)),]

Answer 3

要通过 character/factor 个变量进行子集化，您可以使用 %in% 来保留 NA。指定要排除的数据。

# Create Dataset
library(data.table)
df=data.table(V1=c('Surface','Bottom',NA),V2=1:3)
df
#         V1 V2
# 1: Surface  1
# 2:  Bottom  2
# 3:    <NA>  3

# Keep all but 'Bottom'
df[!V1 %in% c('Bottom')]
#         V1 V2
# 1: Surface  1
# 2:    <NA>  3

这是有效的，因为 %in% 从来没有 returns NA（参见 ?match）

如何在不丢失 NA 行的情况下对 R 中的数据进行子集化？

How to subset data in R without losing NA rows?

r

subset

dataframe

na