在R中子集行生成NA，但在数据帧中没有NA

Question

我研究过其他问题，这些问题似乎也存在类似的问题，随机行被所有NA值替换，但没有找到解决方案，因为其他用户的数据帧中已经存在NA(如子集R数据帧导致神秘的NA行(。

我使用na.omit首先删除任何可能的na，但在最后一步，仍在生成na行。

我使用三列对数据进行子集设置——一列是数字和字母的混合ID列(11xx1234(，一列是二进制分类列(0或1(，还有一列是以米为单位的距离值列。任何出现多次的ID都会在二进制类别列中指定一个1。我试图在二进制类别列中提取为1的数据，但不希望ID被表示多次，这样与每个ID相关的距离就不会被计算多次，从而扭曲任何统计测试。

所以类似于：

x<-data.frame(ObjectID = c("11AD1234", "11AD1234", "11AB123", "11BA34", "11DA354", "11DA354"), 
component = c(1,1,0,0,1,1), 
distance = c(2,2,5,8,4,4))

哪个给出：

ObjectID component distance
1 11AD1234         1        2
2 11AD1234         1        2
3  11AB123         0        5
4   11BA34         0        8
5  11DA354         1        4
6  11DA354         1        4

这是我尝试使用的代码，在添加距离列之前，它非常有效。

x[unique(x[x$component==1,]$ObjectID),]$distance
[1] 2 8

正确的答案应该是2和4，那么我在做什么呢？还以某种方式用NA替换了一堆行(尽管本例中没有表示(？真实数据是保密的，不能共享，对不起！

Answer 1

我们可以用逻辑表达式指定行，用字符串的列名子集列，得到unique并提取distance

unique(x[x$component ==1, c("ObjectID", "distance")])$distance
#[1] 2 4

如果目的只是基于"ObjectID"的"唯一"值来获得"距离"，我们可以使用duplicated

with(subset(x, component == 1, select = c(ObjectID, distance)), 
distance[!duplicated(ObjectID)])
#[1] 2 4

---

或者更紧凑地，用&连接两个条件

subset(x, !duplicated(ObjectID) & component == 1)$distance
#[1] 2 4

---

OP代码中的问题是使用"ObjectID"的unique值作为行索引，这会失败，因为索引可以是逻辑索引或数字索引

unique(x[x$component==1,]$ObjectID)
#[1] "11AD1234" "11DA354" 

如果我们必须将其转换为逻辑，我们可以使用%in%

Answer 2

很难评论如何从数据中删除NA。你可以利用的几个选择。

根据您的数据，考虑这个

x<-data.frame(ObjectID = c("11AD1234", "11AD1234", "11AB123", "11BA34", "11DA354", "11DA354","11DA354", "11DA354"), 
component = c(1,1,0,0,1,1, NA, NA), 
distance = c(2,2,5,8,NA,NA,4,4))
x <- x[!is.na(x)]

另一种选择是使用库来为您做这件事。

library(tidyverse)
x %>% na.omit()