R中的缺失是如何表示的？

Question

事先

标题最明显的答案是缺失在 R 中用 NA 表示。虚拟数据：

x <- c("a", "NA", "<NA>", NA)

我们可以使用 x_paste0 <- paste0(x) 将 x 的所有元素转换为字符。这样做之后，第二个和第四个元素相同（"NA"），据我所知，这就是为什么无法将 x_paste0 反向转换为 x.

的原因

addNA

但是使用 addNA 表明它不仅仅是 NA 本身代表缺失。在 x 中，只有最后一个元素缺失。让我们变换向量：

x_new <- addNA(x)
x_new
[1] a    NA   <NA> <NA>
Levels: <NA> a NA <NA>

有趣的是，第四个元素，即缺失显示为 <NA> 而不是 NA。此外，现在第四个元素看起来与第三个元素相同。我们被告知没有遗漏，因为当我们尝试 any(is.na(x_new)) 时，我们得到 FALSE。在这一点上，我会认为关于缺少什么元素（第三个或第四个）的信息只是像 x_paste0 中那样丢失了。但事实并非如此，因为我们实际上可以反向转换 x_new。参见：

as.character(x_new)
[1] "a"    "NA"   "<NA>" NA

as.character怎么知道第三个元素是"<NA>"而第四个是实际缺失的，即NA？

Answer 1

这可能是 base:::print.factor() 方法中的不洁之处。

x <- c("a", "NA", "<NA>", NA)

addNA(x)
# [1] a    NA   <NA> <NA>
# Levels: <NA> a NA <NA>

但是：

levels(addNA(x))
# [1] "<NA>" "a"    "NA"   NA

所以，没有重复的关卡。

Answer 2

通常您在读取数据（csv 或其他来源）时会尽量避免这种情况。在您的矢量样本数据上使用 read.table 的一些愚蠢的演示。

x <- c("a", "NA", "<NA>", NA)
x <- read.table(text = x, na.strings = c("NA", "<NA>", ""), stringsAsFactors = F)$V1
x
[1] "a" NA  NA  NA

但如果你想事后修复它

x <- c("a", "NA", "<NA>", NA)
na_strings <- c("NA", "<NA>", "")

unlist(lapply(x, function(v) { ifelse(v %in% na_strings, NA, v) }))

[1] "a" NA  NA  NA

关于因子和 addNA 的一些注释

# to not be confused with character values pretending to be missing values but are not
x <- c("a", "b", "c", NA)

x_1 <- addNA(x)
x_1

# do not get confused on how the displayed output is
# [1] a    b    c    <NA>
# Levels: a b c <NA>
  
str(x_1)
# Factor w/ 4 levels "a","b","c",NA: 1 2 3 4

is.na(x_1) # as your actual values are 1, 2, 3, 4
# [1] FALSE FALSE FALSE FALSE

is.na(levels(x_1))
# [1] FALSE FALSE FALSE TRUE

# but nothing is lost
x_2 <- as.character(x_1)

str(x_2)
# chr [1:4] "a" "b" "c" NA

is.na(x_2)
# [1] FALSE FALSE FALSE  TRUE

R中的缺失是如何表示的？

How are missings represented in R?

r

missing-data

na