r - R 中带有 NA 的日期列 - 变异的意外行为

Question

我正在尝试使用数据集来遵循此过程。
这是一个测试数据框:

id <- c("Johnboy","Johnboy","Johnboy")
orderno <- c(2,2,1)
validorder <- c(0,1,1)
ordertype <- c(95,94,95)
orderdate <- as.Date(c("2019-06-17","2019-03-26","2018-08-23"))

df <- data.frame(id, orderno, validorder, ordertype, orderdate)

然后我执行以下操作:

## compute order date for order types
df <- df %>%
  mutate(orderdate_dried = if_else(validorder == 1 &
                                  ordertype == 95,
                                  orderdate, as.Date(NA)),
         orderdate_fresh = if_else(validorder == 1 &
                                  ordertype == 94,
                                  orderdate, as.Date(NA)))

## take minimum order date by type by order number
df <- df %>%
  group_by(id, orderno) %>%
  mutate(orderdate_dried = min(orderdate_dried, na.rm = TRUE),
         orderdate_fresh = min(orderdate_fresh, na.rm = TRUE)) %>%
  ungroup()

## aggregate order date for each type over individual
df <- df %>%
  group_by(id) %>%
  mutate(max_orderdate_dried = max(orderdate_dried, na.rm=TRUE),
         max_orderdate_fresh = max(orderdate_fresh, na.rm=TRUE)) %>%
  ungroup()

但是这个过程结束时的所有最大日期都是不适用的!我不明白怎么办？此外，如果我测试原始 orderdate_dried对于 NA:

is.na(df$orderdate_dried)

我得到每一行的 NA!这是怎么回事？!

Answer 1

非常有趣的问题，答案隐藏在问题本身中。为了清楚起见，而不是更新相同的 df每次我都会用 df1 , df2等等。

让我们首先从数据开始。

id <- c("Johnboy","Johnboy","Johnboy")
orderno <- c(2,2,1)
validorder <- c(0,1,1)
ordertype <- c(95,94,95)
orderdate <- as.Date(c("2019-06-17","2019-03-26","2018-08-23"))

df <- data.frame(id, orderno, validorder, ordertype, orderdate)

library(dplyr)

第 1 步 -

df1 <- df %>%
        mutate(orderdate_dried = if_else(validorder == 1 &
                                         ordertype == 95,
                                        orderdate, as.Date(NA)),
               orderdate_fresh = if_else(validorder == 1 &
                                         ordertype == 94,
                                         orderdate, as.Date(NA)))

df1
#       id orderno validorder ordertype  orderdate orderdate_dried orderdate_fresh
#1 Johnboy       2          0        95 2019-06-17            <NA>            <NA>
#2 Johnboy       2          1        94 2019-03-26            <NA>      2019-03-26
#3 Johnboy       1          1        95 2018-08-23      2018-08-23            <NA>

这里的一切都符合预期。

第 2 步 -

df2 <- df1 %>%
        group_by(id, orderno) %>%
        mutate(orderdate_dried = min(orderdate_dried, na.rm = TRUE),
                orderdate_fresh = min(orderdate_fresh, na.rm = TRUE)) %>%
        ungroup()

df2
# A tibble: 3 x 7
#  id      orderno validorder ordertype orderdate  orderdate_dried orderdate_fresh
#  <fct>     <dbl>      <dbl>     <dbl> <date>     <date>          <date>         
#1 Johnboy       2          0        95 2019-06-17 NA              2019-03-26     
#2 Johnboy       2          1        94 2019-03-26 NA              2019-03-26     
#3 Johnboy       1          1        95 2018-08-23 2018-08-23      NA           

这里的一切似乎也符合预期，我们得到 NA当组中没有其他日期时。

第 3 步 -

df3 <- df2 %>%
        group_by(id) %>%
        mutate(max_orderdate_dried = max(orderdate_dried, na.rm=TRUE),
               max_orderdate_fresh = max(orderdate_fresh, na.rm=TRUE)) %>%
         ungroup()

df3
# A tibble: 3 x 9
#  id      orderno validorder ordertype orderdate  orderdate_dried orderdate_fresh max_orderdate_dried max_orderdate_fresh
 #  <fct>     <dbl>      <dbl>     <dbl> <date>     <date>          <date>          <date>              <date>             
#1 Johnboy       2          0        95 2019-06-17 NA              2019-03-26      NA                  NA                 
#2 Johnboy       2          1        94 2019-03-26 NA              2019-03-26      NA                  NA                 
#3 Johnboy       1          1        95 2018-08-23 2018-08-23      NA              NA                  NA    

这里的一切似乎都错了。这些基本上与您已执行的步骤相同，这与您获得的输出相同，因此在此之前我们没有做任何不同的事情。

我们错过的一件事是在第 2 步中我们收到了一条警告消息。

Warning messages: 1: In min.default(c(NA_real_, NA_real_), na.rm = TRUE) : no non-missing arguments to min; returning Inf 2: In min.default(NA_real_, na.rm = TRUE) : no non-missing arguments to min; returning Inf

因为我们在一个组中没有非 NA 值，所以它返回 Inf即使 df2 的输出显示 NA(为什么在值为 NA 时显示 Inf 在答案末尾添加了解释)。所以即使你测试 is.na有了它，它就失败了。

is.na(df2$orderdate_dried)
#[1] FALSE FALSE FALSE

因此， max与 na.rm也失败了。

 max(df2$orderdate_dried, na.rm = TRUE)
#[1] NA

因此，您将获得所有 NA s 在步骤 3 中。

解决方案

解决方法是查看 is.finite

df3 <- df2 %>%
        group_by(id) %>%
         mutate(max_orderdate_dried = max(orderdate_dried[is.finite(orderdate_dried)], na.rm=TRUE),
                 max_orderdate_fresh = max(orderdate_fresh[is.finite(orderdate_fresh)], na.rm=TRUE)) %>%
         ungroup()


df3
# A tibble: 3 x 9
#  id      orderno validorder ordertype orderdate  orderdate_dried orderdate_fresh max_orderdate_dried max_orderdate_fresh
#  <fct>     <dbl>      <dbl>     <dbl> <date>     <date>          <date>          <date>              <date>             
#1 Johnboy       2          0        95 2019-06-17 NA              2019-03-26      2018-08-23          2019-03-26         
#2 Johnboy       2          1        94 2019-03-26 NA              2019-03-26      2018-08-23          2019-03-26         
#3 Johnboy       1          1        95 2018-08-23 2018-08-23      NA              2018-08-23          2019-03-26   

为什么它显示的值为 NA当值为 Inf ?

在第 2 步中，我们基本上要做的是

min(NA, na.rm = TRUE)
#[1] Inf

Warning message: In min(NA, na.rm = TRUE) : no non-missing arguments to min; returning Inf

这将返回 Inf我们收到警告。

但是，由于我们知道一列只能容纳一个值 class .

class(Inf) #is
#[1] "numeric"

但是我们在 df1 中有“Date”类的数据的 orderdate_dried柱子

 class(df1$orderdate_dried)
#[1] "Date"

所以 Inf然后被强制进入返回的类“Date”。

as.Date(min(NA, na.rm = TRUE))
#[1] NA

这又是返回 NA但它不是真的 NA和 is.na失败了

is.na(as.Date(min(NA, na.rm = TRUE)))
#[1] FALSE

因此，第 3 步没有按预期工作。

我希望这个答案是明确的，不要太困惑。