是否有不同類型的NA？

Question

我正在使用撥浪鼓包來做一些數據清理工作，我在數據集中考慮了第一個變量X.當我在第一個選項卡中輸入「Data」選項卡時，它報告了一些基本的數據集，並且它說變量X有1243個缺失值。如果我使用sum(is.na(my_df[,1]))，這也是我的價值。

在接下來的選項卡，在「資源管理器」選項卡，當我檢查「摘要」現在說，我剛纔942倍的NA在變量X

我怎樣才能使這些不同的數字感？我通過數據集手動瀏覽了一下，看了一些有NDA的行，這些NAs看起來都是一樣的（我知道有時候會有不同類型的NAs）。

（邊問題：sum(is.na(my_df[,1]), na.rm = FALSE)和sum(is.na(my_df[,1]),na.rm = TRUE)也都產生了相同數量的1243，爲什麼我會預料到，給我length(my_df[,1])-1243？）

---

編輯這裏是有這個問題的數據集：https://wetransfer.com/downloads/cf454b2c12857a4e3770102a7222422f20171019153755/516fb0。

這個數字略有不同，而不是1243，根據rattle（）中的「Data」選項卡（或等效地根據summary(ten_df)）和根據「Explore」的62個NAs，選中摘要選項卡。

但是現在我懷疑我的數據集被破壞了，因爲在上傳完整的數據集之前，我原本只想上傳一個說明性列。但是，當我執行

ten_df = read.csv("ten.csv",sep=";") 
my_df = as.data.frame(ten_df[,3]) 

，因爲我想看看第三列與var2和my_df是我想最初上傳，後來選擇當最後一個命令返回錯誤

Warning messages: 
1: In rep(no, length.out = length(ans)) : 
    'x' is NULL so the result will be NULL 

而且， my_df使用撥浪鼓進行分析，撥浪鼓在底部欄中提供「0輸入變量」，並在其中給出反饋。怎麼會這樣？

Answer 1

?NA

NA是長度爲1的邏輯常數，其包含丟失值 指示符。 NA可以被強制轉換爲除原始的任何其他向量類型。 也有常數NA_integer_，NA_real_，NA_complex_和 其他原子矢量類型的NA_character_，它們支持缺失的 值：所有這些都是R語言中的保留字。

class(NA)    # "logical" 
class(NA_integer_) # "integer" 
class(NA_real_)  # "numeric" 
class(NA_complex_) # "complex" 
class(NA_character_) # "character" 
is.na(NA)    # TRUE 
is.na(NA_integer_) # TRUE 
is.na(NA_real_)  # TRUE 
is.na(NA_complex_) # TRUE 
is.na(NA_character_) # TRUE 
identical(NA,NA_integer_) # FALSE 
identical(NA,NA_real_)  # FALSE 
identical(NA,NA_complex_) # FALSE 
identical(NA,NA_character_) # FALSE 
identical(NA_character_,as.character(NA)) # TRUE 
identical(NA_real_,as.numeric(NA))  # TRUE 
identical(as.logical(NA_real_),NA)  # TRUE 

所以NA是logical。那麼爲什麼我們幾乎每個地方都使用NA而不用擔心課程呢？因爲強制規則：

class(c(NA,1)[1])    # "numeric" 
identical(c(NA,1),c(NA_real_,1)) # TRUE 
c(NA_character_,1)    # [1] NA "1" 

根據class，NA也可能被不同的打印

現在回到你的問題，因爲你不提供可重複的數據，我不能回答第一個，但作爲爲什麼sum(is.na(my_df[,1]), na.rm = FALSE)和sum(is.na(my_df[,1]),na.rm = TRUE)，這是因爲is.na(my_df[,1])只由TRUE和FALSE組成，而不是NA s。您也可以嘗試length(na.omit(my_df[,1]))。

編輯：

一個data.frame的給定列只有一個類的元素，所以你不會在同一列不同NA_character_和NA_real_。

然而，經常發生的事情是，您將有一些字符串的值爲"NA"，您當然不應該期望is.na來檢測這些字符串。在這些情況下，您可以使用df[df == "NA"] <- NA要定期NA！而非"NA"中的字串data.frame