r - uniqueN 在 j 条件下返回错误结果

Question

给定这样的数据集:

 test =data.table(
  id = c("a", "b", "c", "d", "e", "e", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r", "s", "t"),
  int=c(NA, NA, 0, 0, 1, 2, 3, 1, 2, 2, 3, 4, NA, 5, NA, 6, 7, NA, 8, NA, 8, 10))

我想计算 int 具有特定值的唯一 id 的数量:

test[, .(three=uniqueN(id[int==3]), zero=uniqueN(id[int==0]), missing= uniqueN(id[is.na(int)]))]

结果

   three zero missing
1:     3    3       6

显然是错误的:只有 2 个 id 的 int 为 0 或 3。正确的结果应该是这样的:

   three zero missing
1:     2    2       6

这种方法有什么问题？
多谢。

Answer 1

有NA int 中的元素，需要注意，即 ==与 NA返回 NA .要么使用 %in%或使用 & 创建第二个条件与 !is.na即该值不是 NA使NA元素返回 FALSE而不是 NA

test[, .(three = uniqueN(id[int == 3 & !is.na(int)]), 
         zero=uniqueN(id[int %in% 0]))]
#    three zero
#1:     2    2

或者另一种选择是利用 na.rm在 uniqueN默认情况下是 FALSE ，因此，它计算 NA作为另一个独特的值(value)

test[, .(three=uniqueN(id[int==3], na.rm = TRUE), 
       zero=uniqueN(id[int==0], na.rm = TRUE),
       missing= uniqueN(id[is.na(int)]))]
#   three zero missing
#1:     2    2       6

或者另一种方法是先照顾 NA与 na.omit或 complete.cases然后使用OP的代码

na.omit(test)[, .(three = uniqueN(id[int == 3]),
      zero = uniqueN(id[int == 0]))]
#    three zero
#1:     2    2

通过做 ==不带 NA考虑到，它返回 NA而不是 FALSE这将返回 NA同时也进行子集化

c(NA, 3) == 3
#[1]   NA TRUE

c(5, 4)[c(NA, 3) == 3]
#[1] NA  4

然而

c(NA, 3) == 3 & !is.na(c(NA, 3))
#[1] FALSE  TRUE

或与 %in%

c(NA, 3) %in% 3
#[1] FALSE  TRUE