比较两个不同数据集中的NAS

这个 identical 函数只返回 TRUE 或 FALSE ,无类型强制,无矢量化:

identical(NA,NA)     # TRUE
identical(1,1)       # TRUE    
identical(1:2,1:2)   # TRUE   
identical(c(a=1,b=2),1:2) # FALSE
identical(1,1L)      # FALSE
identical(NA_integer_,NA_character_) # FALSE
identical(NULL,NULL) # TRUE
identical(NULL,NA)   # FALSE

%in% 可以用作技巧,但例如 NULL %in% NA 退货 logical(0)

This question 是关于接线员的 %==% 那将支持 NA 平等。

另请参见 ?all.equal , all.equal(NA,NA) 退货 真的 (但是 all.equal(NA,1) 不回来了 错误的 !)

有人这么说

如果你想的话 NA == NA 成为 真的 ,这意味着你相信 钠 本身就是一个有意义的价值。如果您确实相信这一点,那么将NAS设置为显式值是完全可以接受的(可能更好),即使它是空字符串, 0 , "other" 或 "unknown" .

na==na 是 钠 因为当你不知道左舵和右舵是什么的时候,你就不知道它们是否相等。如果你知道,这意味着他们不是 NAs .

间接相关:参见 ?isTRUE 那将是 错误的 对于所有不存在的事物 真的

isTRUE(c(TRUE,TRUE)) # FALSE (not a length 1 `TRUE` logical)

编辑以答复评论:

我将NA理解为“不可用”(即缺失),而不是“不适用”,这是一个类别。 ?NA 同意:

_不可用__/缺少值

如果我在数据集A中有一个未知的公寓编号,我会在左连接到数据集B之前小心,因为公寓编号可能在B的一侧已知,然后将不匹配,或者它们将是另一个缺少编号的公寓,我会匹配不属于一起的东西。

但是,如果我匹配一个房子,例如,我可以将数字设置为0作为“不适用”的约定,用于我两个数据集中的所有房子,然后我可以安全地加入,或安全地删除real NAS .

如果丢失了 id 列?:

A <- data.frame(
  id = 1:5,
  place = c("house1","building1","buiding1","buiding1","building2"),
  apartment_number = c(NA, 1, NA,3,1),
  has_dog = c(T, T, T, F,F))

B <- data.frame(
  id=1:5,
  place = c("house1","building1","buiding1","buiding1","building2"),
  apartment_number = c(NA, 1,2, NA,1),
  has_cat = c(T, T, T, F, F))

# A                                        # B
#   id     place apartment_number has_dog  #   id     place apartment_number has_cat
# 1  1    house1               NA    TRUE  # 1  1    house1               NA    TRUE
# 2  2 building1                1    TRUE  # 2  2 building1                1    TRUE
# 3  3  buiding1               NA    TRUE  # 3  3  buiding1                2    TRUE
# 4  4  buiding1                3   FALSE  # 4  4  buiding1               NA   FALSE
# 5  5 building2                1   FALSE  # 5  5 building2                1   FALSE

天真的融合:

merge(A[-1],B[-1])
#       place apartment_number has_dog has_cat
# 1  buiding1               NA    TRUE   FALSE  # TRUE/FALSE ???
# 2 building1                1    TRUE    TRUE
# 3 building2                1   FALSE   FALSE
# 4    house1               NA    TRUE    TRUE

在我的数据中,每个有猫的人也有狗,现在我弄乱了我的宠物预测模型!

一种选择是进行完全联接以保留所有可用的公寓编号(并在has_dog和has_cat列中创建NAS),然后删除 apartment_number == NAs 但是当然要保留我想保留房子,所以我应该设置这些 NAS 越早清理。

你要找的是 %in%

NA %in% NA   #TRUE
NA %in% 10   #FALSE