默认情况下，tapply是否排除了为分段传递的变量上的NA？

Question

我有一个数据框(a)，其中有两列：total_amount和Gender。我需要计算一下男性和女性的消费总额。

在性别栏中，也有NA。在运行以下命令时

tapply(a$total_amount,a$Gender, sum)

结果是：

 F        M 
23623513 24935632

我的问题是:默认情况下，tapply是否删除了为分类选择的片段列中的缺失值，即本例中的性别？如果是，那么我们如何将它们包含在我们的结果中？

Answer 1

如果我们查看help(tapply)，

t应用(X，索引，FUN = NULL，...，default = NA，simplify = TRUE)

索引:一个或多个‘因子’的‘列表’，每个因子的长度与‘X’相同。这些元素被“as.factor”强制转换为因子。

通过检查tapply代码

INDEX <- lapply(INDEX, as.factor)
...
namelist <- lapply(INDEX, levels)

这意味着，分组变量被转换为factor。factor的levels排除了NA元素，这就是输出中没有任何NA作为组的原因

tapply(c(3, 4, 2, 6), c(NA, 1, 3, 4), sum) 
#  1 3 4 
#  4 2 6 

但是，如果将NA元素转换为字符串，则在转换为factor时，它将是level

tapply(c(3, 4, 2, 6), c("NA", 1, 3, 4), sum)
# 1  3  4 NA 
# 4  2  6  3 

Answer 2

是的，确实如此。

你可以做一个sum(is.na(a$Gender))。这将为您提供具有NA的行数。如果您想查看各个NA的总和，

x <- a[is.na(a$Gender), ]

sum(x$gender_total)