r - 何时使用 na.omit 与 Complete.cases

Question

我有以下代码比较 na.omit 和complete.cases:

> mydf
  AA BB
1  2  2
2 NA  5
3  6  8
4  5 NA
5  9  6
6 NA  1
> 
> 
> na.omit(mydf)
  AA BB
1  2  2
3  6  8
5  9  6
> 
> mydf[complete.cases(mydf),]
  AA BB
1  2  2
3  6  8
5  9  6
> 
> str(na.omit(mydf))
'data.frame':   3 obs. of  2 variables:
 $ AA: int  2 6 9
 $ BB: int  2 8 6
 - attr(*, "na.action")=Class 'omit'  Named int [1:3] 2 4 6
  .. ..- attr(*, "names")= chr [1:3] "2" "4" "6"
> 
> 
> str(mydf[complete.cases(mydf),])
'data.frame':   3 obs. of  2 variables:
 $ AA: int  2 6 9
 $ BB: int  2 8 6
> 
> identical(na.omit(mydf), mydf[complete.cases(mydf),])
[1] FALSE

是否存在应该使用其中一种或另一种的情况，或者它们实际上是相同的？

Answer 1

当 complete.cases 应用于您的所有列时，na.omit 和 complete.cases 在功能上确实是相同的。对象(例如data.frame):

R> all.equal(na.omit(mydf),mydf[complete.cases(mydf),],check.attributes=F)
[1] TRUE

但是我发现这两个函数之间有两个根本区别(很可能还存在其他区别)。首先，na.omit 向对象添加一个 na.action 属性，提供有关如何修改数据(WRT 缺失值)的信息。我想象一个简单的用例，如下所示:

foo <- function(data) {
  data <- na.omit(data)
  n <- length(attributes(na.omit(data))$row.names)
  message(sprintf("Note: %i rows removed due to missing values.",n))
  # do something with data
}
##
R> foo(mydf)
Note: 3 rows removed due to missing values.

我们向用户提供一些相关信息。我确信更具创造力的人可以(并且可能已经)找到(找到)na.action 属性的更好用途，但您明白了。

其次，complete.cases 允许对缺失值进行部分操作，例如

R> mydf[complete.cases(mydf[,1]),]
  AA BB
1  2  2
3  6  8
4  5 NA
5  9  6

根据变量所代表的内容，您可能会觉得为 BB 列输入值很舒服，但对于 AA 列则不然，因此使用 complete.cases 这样可以让你更好地控制。