具有"NaN"值的函数表的意外行为

Question

最近,我遇到的table功能行为并非我所期望的:

例如,让我们采取以下向量:

ex_vec <- c("Non", "Non", "Nan", "Oui", "NaN", NA)

如果我检查NA向量中的值,"NaN"则不被视为一个(如预期的那样):

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

但如果我试图获得不同的值频率:

table(ex_vec)
#ex_vec
#Nan Non Oui 
#  1   2   1

"NaN" 没有出现在表格中.

但是,如果我"要求" table显示NA值,我会得到:

table(ex_vec, useNA="ifany")
#ex_vec
# Nan  NaN  Non  Oui <NA> 
#   1    1    2    1    1

因此,字符串"NaN"被视为调用NA内部的值table,而在输出中将其视为非NA值.

我知道(这会更好)我可以通过将我的矢量转换为a来解决我的问题factor但是,我真的很想知道这里发生了什么.有没有人有想法？

Answer 1

当factor匹配向量的级别时,它将其exclude列表转换为与输入向量相同的类型:

exclude <- as.vector(exclude, typeof(x))

因此,如果您的排除列表已经NaN且您的向量是字符,则会发生以下情况

as.vector(exclude, typeof(letters))
[1] NA    "NaN"

噢亲爱的.现在"NaN"将排除真正的字符串.

要修复,使用exclude=NA的table(和factor如果你作出可能打这个因素).

我喜欢这个文档factor:

 There are some anomalies associated with factors that have ‘NA’ as
 a level.  It is suggested to use them sparingly, e.g., only for
 tabulation purposes.

令人欣慰的...

Answer 2

我想到的第一个想法是看一下从以下table开始的定义:

> table
function (..., exclude = if (useNA == "no") c(NA, NaN), useNA = c("no", 
    "ifany", "always"), dnn = list.names(...), deparse.level = 1) 
{

听起来合乎逻辑,默认情况下表排除NA和NaN.

在表格代码中挖掘,我们看到,如果x不是一个因素,它强迫它成为一个因素(这里没有什么新东西,它在文档中说).

    else {
        a <- factor(a, exclude = exclude)

我没有找到任何其他可能影响输入以强制"NaN"进入NA价值观的东西.

因此,研究因素,找出我们找到根本原因的原因:

> factor
function (x = character(), levels, labels = levels, exclude = NA, 
    ordered = is.ordered(x), nmax = NA) 
{
 [...] # Snipped for brievety
    exclude <- as.vector(exclude, typeof(x))
    x <- as.character(x)
    levels <- levels[is.na(match(levels, exclude))] # defined in the snipped part above, is the sorted unique values of input vector, coerced to char.
    f <- match(x, levels)
 [...]
    f
}

在这里,我们得到它,排除参数,甚至是NA值被强制转换为字符向量.

那么会发生什么:

> ex_vec <- c("Non", "Non", "Nan", "Oui", "NaN", NA)
> excludes<-c(NA,NaN)
> as.vector(excludes,"character")
[1] NA    "NaN"
> match(ex_vec,as.vector(excludes,"character"))
[1] NA NA NA NA  2  1

我们确实匹配字符"NaN"作为排除向量,因为在比较之前被强制转换为字符.