处理 TRUE、FALSE、NA 和 NaN

按顺序回答您的问题：

1） 运营商确实没有像您期望的那样对待 NA。一个非常有用的函数是 r-cookbook.com 中的这个函数：==compareNA

  compareNA <- function(v1,v2) {
    # This function returns TRUE wherever elements are the same, including NA's,
    # and false everywhere else.
    same <- (v1 == v2)  |  (is.na(v1) & is.na(v2))
    same[is.na(same)] <- FALSE
    return(same)
   }

2）NA代表“不可用”，与一般的NaN（“不是一个数字”）不同。NA 通常用作数字的默认值，以代表缺失数据;NaN 通常是由于数值问题（取 -1 或类似的对数）而生成的。

3）我不太确定你所说的“逻辑事物”是什么意思——许多不同的数据类型，包括数值向量，都可以用作逻辑运算符的输入。你可能想要尝试阅读 R 逻辑运算符页面：http://stat.ethz.ch/R-manual/R-patched/library/base/html/Logic.html。

希望这有帮助！

所以你希望 TRUE 保持 TRUE，FALSE 保持 FALSE，唯一真正的变化是 NA 需要变成 FALSE，所以只需像这样进行以下更改：

a[ is.na(a) ] <- FALSE

或者你可以改写说，只有当它是 TRUE 并且没有丢失时，它才是 TRUE：

a <- a & !is.na(a)

根据上面 Ben Bolker 的建议，您可以按照 is.na（） 语法设置自己的函数

is.true <- function(x) {
  !is.na(x) & x
}

a = c(T,F,F,NA,F,T,NA,F,T)

is.true(a)
[1]  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE  TRUE

这也适用于子集数据。

b = c(1:9)
df <- as.data.frame(cbind(a,b))

df[is.true(df$a),]

  a b
1 1 1
6 1 6
9 1 9

并有助于避免在数据中确实存在 NA 的情况下意外合并空行。

df[df$a == TRUE,]

      a  b
1     1  1
NA   NA NA
6     1  6
NA.1 NA NA
9     1  9

你不需要在函数中包装任何东西 - 以下工作原理

a = c(T,F,NA)

a %in% TRUE

[1]  TRUE FALSE FALSE

我喜欢is.element-function：

is.element(a, T)