为什么 dplyr 的过滤器会从因子变量中删除 NA 值？

Question

当我使用 dplyr 包中的 filter 来降低因子变量的水平时，filter 也会降低 NA 值。这是一个例子：

library(dplyr)
set.seed(919)
(dat <- data.frame(var1 = factor(sample(c(1:3, NA), size = 10, replace = T))))
#    var1
# 1  <NA>
# 2     3
# 3     3
# 4     1
# 5     1
# 6  <NA>
# 7     2
# 8     2
# 9  <NA>
# 10    1

filter(dat, var1 != 1)
#   var1
# 1    3
# 2    3
# 3    2
# 4    2

这似乎不太理想——我只想删除 var1 == 1.

处的行

看起来这是因为任何，然后 filter 掉落。因此，例如，filter(dat, !(var1 %in% 1)) 会产生正确的结果。但是有没有办法告诉 filter 不要删除 NA 值？

Answer 1

你可以使用这个：

 filter(dat, var1 != 1 | is.na(var1))
  var1
1 <NA>
2    3
3    3
4 <NA>
5    2
6    2
7 <NA>

而且不会。

同样只是为了完成，删除 NA 是 filter 的预期行为，正如您从以下内容中看到的那样：

test_that("filter discards NA", {
  temp <- data.frame(
    i = 1:5,
    x = c(NA, 1L, 1L, 0L, 0L)
  )
  res <- filter(temp, x == 1)
  expect_equal(nrow(res), 2L)
})

上述测试取自 github 的 filter 测试。

Answer 2

我经常将 identical 映射到 mapply...

（注意：我相信由于 R 3.6.0 的变化，set.seed 和 sample 最终得到不同的测试数据）

library(dplyr, warn.conflicts = FALSE)
set.seed(919)
(dat <- data.frame(var1 = factor(sample(c(1:3, NA), size = 10, replace = T))))
#>    var1
#> 1     3
#> 2     1
#> 3  <NA>
#> 4     3
#> 5     1
#> 6     3
#> 7     2
#> 8     3
#> 9     2
#> 10    1

filter(dat, var1 != 1)
#>   var1
#> 1    3
#> 2    3
#> 3    3
#> 4    2
#> 5    3
#> 6    2

filter(dat, !mapply(identical, as.numeric(var1), 1))
#>   var1
#> 1    3
#> 2 <NA>
#> 3    3
#> 4    3
#> 5    2
#> 6    3
#> 7    2

它也适用于数字和字符串（可能更常见的用例）...

library(dplyr, warn.conflicts = FALSE)
set.seed(919)
(dat <- data.frame(var1 = sample(c(1:3, NA), size = 10, replace = T),
                   var2 = letters[sample(c(1:3, NA), size = 10, replace = T)],
                   stringsAsFactors = FALSE))
#>    var1 var2
#> 1     3 <NA>
#> 2     1    a
#> 3    NA    a
#> 4     3    b
#> 5     1    b
#> 6     3 <NA>
#> 7     2    a
#> 8     3    c
#> 9     2 <NA>
#> 10    1    b

filter(dat, !mapply(identical, var1, 1L))
#>   var1 var2
#> 1    3 <NA>
#> 2   NA    a
#> 3    3    b
#> 4    3 <NA>
#> 5    2    a
#> 6    3    c
#> 7    2 <NA>

filter(dat, !mapply(identical, var2, 'a'))
#>   var1 var2
#> 1    3 <NA>
#> 2    3    b
#> 3    1    b
#> 4    3 <NA>
#> 5    3    c
#> 6    2 <NA>
#> 7    1    b

Answer 3

前面给出的答案很好，但是当你的过滤语句涉及到很多字段的函数时，变通方法可能就不那么好了。此外，谁想要使用 mapply 非矢量化 identical。这是另一个更简单的解决方案，使用 coalesce

filter(dat, coalesce( var1 != 1, TRUE))

为什么 dplyr 的过滤器会从因子变量中删除 NA 值？

Why does dplyr's filter drop NA values from a factor variable?

r

subset

na

dplyr