Dplyr 产生 NaN 而 base R 产生 NA

Question

考虑以下玩具数据和计算：

library(dplyr)

df <-  tibble(x = 1)

stats::sd(df$x)

dplyr::summarise(df, sd_x = sd(x))

第一个计算结果为 NA，而第二个计算结果包含在 dplyr 函数中时 summarise 产生 NaN。我希望这两种计算产生相同的结果，我想知道它们为什么不同？

Answer 1

它正在调用一个不同的函数。我不清楚这个功能是什么，但它不是 stats 那个。

dplyr::summarise(df, sd_x = stats::sd(x))
# A tibble: 1 x 1
   sd_x
  <dbl>
1    NA

debugonce(sd) # debug to see when sd is called

此处未调用：

dplyr::summarise(df, sd_x = sd(x))
# A tibble: 1 x 1
   sd_x
  <dbl>
1   NaN

但是在这里调用：

dplyr::summarise(df, sd_x = stats::sd(x))
debugging in: stats::sd(1)
debug: sqrt(var(if (is.vector(x) || is.factor(x)) x else as.double(x), 
    na.rm = na.rm))
...

更新

summarise 中的 sd 似乎是在 R 之外计算的，在此头文件中暗示：https://github.com/tidyverse/dplyr/blob/master/inst/include/dplyr/Result/Sd.h

dplyr 似乎重新定义了许多函数。鉴于 var 在两种情况下给出相同的结果，我认为 sd 行为是一个错误。

Dplyr 产生 NaN 而 base R 产生 NA

Dplyr produces NaN while base R produces NA

r

nan

na

dplyr