is.na()的行为与is.numeric()不同-一致性在哪里？

Question

让我们创建数据框架：

df <- data.frame(VarA = c(1, NA, 5), VarB = c(NA, 2, 7))

  VarA VarB
1    1   NA
2   NA    2
3    5    7

如果我运行一个简单的NA查询，它将显示每个NA的位置。

is.na(df)

      VarA  VarB
[1,] FALSE  TRUE
[2,]  TRUE FALSE
[3,] FALSE FALSE

为什么is.numeric不返回相同类型的数据帧？它只输出一个“假”。

is.numeric(df)

[1] FALSE

对数据类型、类等有一个很好的解释吗？我经常读到这些东西，但对它们没有牢固的感觉。我不知道矩阵和数据帧之间的区别，或者num和dbl之间的区别。很容易把这些东西混为一谈。

我做了Cyclismo“基本数据类型”教程，但想深入一点。

Answer 1

第一-文件

让我们来看一下文档。来自?is.na

泛型函数is.na表示缺少哪些元素。

因此，is.na是用来告诉您对象中丢失了哪些单独的元素。

来自?is.numeric

is.numeric是对一个可以解释为数字的对象的更一般的测试。

因此，is.numeric告诉您对象是否是数字的(而不是对象中的单个元素是否是数字的)。

它们的行为与文档完全相同-- is.na(df)告诉您缺少了哪些数据框架元素。is.numeric(df)告诉您什么是df不是numeric (实际上，它是一个data.frame)。

不一致吗？

我能看出这听起来有多不一致。只有几个is.*函数可以按元素的方式工作。is.na，is.finite，is.nan是我唯一能想到的。所有其他is.*函数都在整个对象上工作。当等式测试不起作用时，这些函数本质上是使用==进行等式测试的支柱(下面将详细介绍)。但是，一旦你对数据结构有了更多的了解，它们就不会显得不一致了，因为从另一个角度来说，它们真的没有什么意义。

is.numeric是有意义的

将is.numeric应用于元素方面是没有意义的。向量要么是数字的，要么不是完整的--不管它是否有缺失的值。如果要将is.numeric函数应用于数据帧的每一列，则可以这样做。

sapply(df, is.numeric)

这将告诉您，这两列都是numeric。您可以提出这样一个论点:当is.numeric()被赋予一个数据框架时，默认的行为应该是将它应用于每一列，但是可能有人想要确保某些东西是numeric向量，而不是data.frame (或其他任何东西)，并且如果有一个单列的data.frame say TRUE to is.numeric()，可能会导致混淆和错误。

is.na是有意义的

相反，不按元素来应用is.na是没有意义的。NA是单个值的替补，而不是像data.frame那样复杂的对象。如果有一个“缺失”的数据框架是没有意义的--您可能有一个缺失的值，但是没有什么可以告诉您它是一个数据框架。然而，data.frame (或向量，或矩阵.)可以包含缺失的值，is.na会告诉您它们的确切位置。

这与平等(或其他比较)的工作原理基本相同。您还可以用df == 1检查数据帧中的1s，或者用df < 5检查小于5的值。is.na()是检查缺少值的推荐方法-- anything == NA返回NA，因此df == NA不起作用。is.na(df)是正确的方法。

要做到这一点，is.na实际上有许多方法。你可以用methods("is.na")来看他们。在我当前的R会话中，我看到

methods("is.na")
 [1] is.na,abIndex-method       is.na,denseMatrix-method   is.na,indMatrix-method    
 [4] is.na,nsparseMatrix-method is.na,nsparseVector-method is.na,sparseMatrix-method 
 [7] is.na,sparseVector-method  is.na.coxph.penalty*       is.na.data.frame          
[10] is.na.data.table*          is.na.integer64*           is.na.numeric_version     
[13] is.na.POSIXlt              is.na.raster*              is.na.ratetable*          
[16] is.na.Surv*  

这向我展示了所有这些不同类型的对象都支持一个is.na()调用，以便很好地告诉我它们中缺少的值在哪里。如果我在另一个对象类上调用它，那么is.na.default将尝试处理它。

次要问题

我不知道矩阵和数据帧之间的区别，或者num和dbl之间的区别。很容易把这些东西混为一谈。

num vs dbl与R无关，我很惊讶任何针对R初学者的东西都会提到双打--不应该。如果你看?double的帮助，它包括。

它与numeric完全相同。 . as.double是一个通用函数.它与as.numeric完全相同。

为了R的目的，忘记术语double，只使用numeric。

我不知道矩阵和数据帧之间的区别

两者都是长方形的行和列.一个matrix只能有一个数据类型/类--整个矩阵是numeric，或者character，或者integer等等，没有混合。一个data.frame可以对它的每个列都有不同的类，第一列可以是数值列，第二列可以是第二个字符，第三个因素等等。

矩阵更简单、更有效，非常适合线性代数运算。数据帧更常见，因为具有混合类型的数据是常见的。

Answer 2

主要是因为is.numeric()中的测试适用于整个对象(因此返回一个值，该值表示整个对象是否为数字)，而is.na()则适用于对象的单个元素。

下一个更微妙的问题(您还没有问，但可能会问下一个问题)是:为什么is.numeric()不返回TRUE，因为数据框架的所有元素都是数字的？这是因为数据帧内部表示为列表，可以包含不同类型的元素(is.numeric(as.matrix(df))确实返回TRUE)。

Answer 3

str(df)
'data.frame':   3 obs. of  2 variables:
$ VarA: num  1 NA 5
$ VarB: num  NA 2 7

需要考虑的是，is.na正在测试向量中出现的每个值.而is.numeric正在检查对象本身的类。从某种意义上说是苹果到橘子。把它想成这样，

这个对象不可用(NA)吗？由于存在，请检查测试向量中包含的每个对象。这个物体是数字吗？不..。这是一个data.frame