complete.cases（）和na.omit（）之間的差異

Question

在搞亂R中的Auto數據集。

如果我運行以下命令：

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

我得到以下內容：

   Mode   FALSE    TRUE    NA's 
logical       5     392       0

但是，運行此命令時，會得到不同的結果：

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

為什么complete.cases（）告訴我我沒有NA，但是na.omit（）似乎正在刪除某些條目？

Answer 1

區別在於complete.cases返回的邏輯向量的長度與數據集的行數相同，而na.omit刪除具有至少一個NA的行。 使用下面創建的可復制示例，

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

如我們所見，它是沒有NA的邏輯向量。 對於沒有任何NA的行，它給出TRUE 。 因此，顯然，對邏輯向量進行summary不會返回任何NA。

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

假設我們需要獲得與na.omit相同的結果，應該使用派生的邏輯向量對原始數據集進行子集化

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

雖然結果相似，但na.omit也返回一些屬性

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"

並且與基於以下基准測試的complete.cases相比，它會更慢。

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 

數據

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