complete.cases()和na.omit()之间的差异

Question

在R中使用自动数据集搞乱了.

如果我运行以下内容:

auto = read.csv("Auto.csv", header=TRUE, na.strings="?")
summary(complete.cases(auto))

我得到以下内容:

   Mode   FALSE    TRUE    NA's 
logical       5     392       0

但是,当我运行它时,我会得到不同的结果:

auto1 = na.omit(auto)
dim(auto)  # returns [1] 397   9
dim(auto1) # returns [1] 392   9

为什么complete.cases()告诉我我没有NA,但na.omit()似乎删除了一些条目？

Answer 1

不同之处在于complete.cases返回与数据集的行数相同长度的逻辑向量,同时na.omit删除具有至少一个NA的行.使用下面创建的可重现示例,

complete.cases(auto)
#[1]  TRUE FALSE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE FALSE

我们可以看到,它是一个没有NA的逻辑向量.它给出TRUE了没有任何NA的行.因此,显然,summary对逻辑向量进行操作不会返回NA.

summary(complete.cases(auto))
#  Mode   FALSE    TRUE    NA's 
#logical       4       6       0 

假设,我们需要得到相同的结果na.omit,导出的逻辑向量应该用于原始数据集的子集

autoN <- auto[complete.cases(auto),]
auto1 <- na.omit(auto)
dim(autoN)
#[1] 6 2
dim(auto1)
#[1] 6 2

虽然,结果会相似,但na.omit也会返回一些属性

str(autoN)
#'data.frame':   6 obs. of  2 variables:
# $ v1: int  1 2 2 2 3 3
# $ v2: int  3 3 3 1 4 2
str(auto1)
#'data.frame':   6 obs. of  2 variables:
# $ v1: int  1 2 2 2 3 3
# $ v2: int  3 3 3 1 4 2
# - attr(*, "na.action")=Class 'omit'  Named int [1:4] 2 7 8 10
#  .. ..- attr(*, "names")= chr [1:4] "2" "7" "8" "10"

并且与complete.cases基于下面显示的基准相比会更慢.

基准

set.seed(238)
df1 <- data.frame(v1 = sample(c(NA, 1:9), 1e7, replace=TRUE),
              v2 = sample(c(NA, 1:50), 1e7, replace=TRUE))
system.time(na.omit(df1))
#  user  system elapsed 
#   2.50    0.19    2.69 
system.time(df1[complete.cases(df1),])
#  user  system elapsed 
#  0.61    0.09    0.70 

数据

set.seed(24)
auto <- data.frame(v1 = sample(c(NA, 1:3), 10, replace=TRUE), 
                   v2 = sample(c(NA, 1:4), 10, replace=TRUE))