R无法将NaN转换为NA。

Question

我有一个数据框，其中包含几列因子列，其中包含NaN，我想将其转换为NA（使用线性回归对象在新数据上进行预测时，NaN似乎会出问题）。

> tester1 <- c("2", "2", "3", "4", "2", "3", NaN)
> tester1 
[1] "2"   "2"   "3"   "4"   "2"   "3"   "NaN"
> tester1[is.nan(tester1)] = NA
> tester1 
[1] "2"   "2"   "3"   "4"   "2"   "3"   "NaN"
> tester1[is.nan(tester1)] = "NA"
> tester1 
[1] "2"   "2"   "3"   "4"   "2"   "3"   "NaN"

- screechOwl

---

你可能想看一下data.table包中的setattr函数。还可以查看MatthewDowle在我今天早些时候提出的问题的答案：https://dev59.com/kWDVa4cB1Zd3GeqPhuiz - Matt Bannert

这个例子毫无意义：你打算如何在线性回归中使用字符数据？ - Gavin Simpson

这是一个因子。据我上次检查，lm()可以处理因子。在示例周围加上factor()可能会更好。 - screechOwl

Answer 1

问题在于：你的向量是字符类型，所以当然是“不是数字”的。这个最后一个元素被解释为字符串“NaN”。只有在向量是数值类型时使用 is.nan 才有意义。如果你想让字符型向量中的某个值缺失（以便回归函数正确处理），则可以使用（不带引号）NA_character_。

> tester1 <- c("2", "2", "3", "4", "2", "3", NA_character_)
>  tester1
[1] "2" "2" "3" "4" "2" "3" NA 
>  is.na(tester1)
[1] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE

无论是"NA"还是"NaN"都不算是字符向量中真正的缺失值。如果因某种原因一个因子变量中出现了"NaN"这样的值，那么你仍然可以使用逻辑索引：

既然您提到了这个问题，我想说，当我们在处理数据时，"NA"表示缺失的值，"NaN"则表示非数字的值。它们有着不同的含义和用途，需要根据具体情况进行区分。在字符向量中，它们实际上都不算是真正的缺失值。

如果因子变量中存在"NaN"这样的值，你可以使用逻辑索引来快速过滤掉这些值。例如：

tester1[tester1 == "NaN"] = "NA"  
# but that would not really be a missing value either 
# and it might screw up a factor variable anyway.

tester1[tester1=="NaN"] <- "NA"
Warning message:
In `[<-.factor`(`*tmp*`, tester1 == "NaN", value = "NA") :
invalid factor level, NAs generated
##########
tester1 <- factor(c("2", "2", "3", "4", "2", "3", NaN))

> tester1[tester1 =="NaN"] <- NA_character_
> tester1
[1] 2    2    3    4    2    3    <NA>
Levels: 2 3 4 NaN

最后的结果可能会让人感到惊讶。虽然仍有一个"NaN"级别，但其中没有任何元素是"NaN"。相反，之前为"NaN"的元素现在是一个真正的缺失值，在打印输出中表示为"."。

- IRTFM

Answer 2

在这里，您不能在字符向量中使用 NaN，但这正是您现在所拥有的：

> tester1 <- c("2", "2", "3", "4", "2", "3", NaN)
> is.nan(tester1)
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE
> tester1
[1] "2"   "2"   "3"   "4"   "2"   "3"   "NaN"

注意R认为这是一个字符串。

您可以在数字向量中创建NaN：

> tester1 <- c("2", "2", "3", "4", "2", "3", NaN)
> as.numeric(tester1)
[1]   2   2   3   4   2   3 NaN
> is.nan(as.numeric(tester1))
[1] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE

当然，根据您的代码，R可以将NaN转换为NA。

> foo <- as.numeric(tester1)
> foo[is.nan(foo)] <- NA
> foo
[1]  2  2  3  4  2  3 NA

- Gavin Simpson

Answer 3

编辑：

在评论中，Gavin Simpson提醒我，在您的情况下，有更简单的方法将实际上是“NaN”的内容转换为“NA”：

tester1 <- gsub("NaN", "NA", tester1)
tester1
# [1] "2"  "2"  "3"  "4"  "2"  "3"  "NA"

---

解决方案:

为了检测字符向量中哪些元素是NaN，您需要将向量转换为数值向量：

tester1[is.nan(as.numeric(tester1))] <- "NA"
tester1
[1] "2"  "2"  "3"  "4"  "2"  "3"  "NA"

说明：

这并不像你期望的那样工作，有几个原因。

首先，虽然NaN代表“不是数字”，但它确实具有"numeric"类，并且只在数字向量中才有意义。

其次，当NaN包含在字符向量中时，符号NaN会被悄无声息地转换为字符字符串"NaN"。当你测试它是否为nan时，字符字符串将返回FALSE：

class(NaN)
# [1] "numeric"
c("1", NaN)
# [1] "1"   "NaN"
is.nan(c("1", NaN))
# [1] FALSE FALSE

- Josh O'Brien

---

这是一种非常迂回的方式将字符串“NaN”转换为“NA”。即使在他们的示例中尝试使用“NA”作为NA，这肯定不是OP想要的。 - Gavin Simpson

@GavinSimpson -- 好了，现在修好了。感谢你提醒我把注意力从细节中抽出来！ - Josh O'Brien

我仍然认为你过于考虑了OP想要的内容。他想要将NaN转换为NA，而不是字符串版本，而是真正的R版本，分别表示非数字和缺失。忽略OP示例中的一个"NA" - 那是一个干扰项，我假设他们认为在字符向量中引用NA可能会起作用，或者类似于那样的东西。 - Gavin Simpson

@GavinSimpson -- 我知道你的意思，但OP在示例向量中也引用了所有整数，所以如果你是对的，那么有更多像是25条红鲱鱼。 （尽管现在提到NaN在线性回归中会出现问题使我认为你可能是对的）。 - Josh O'Brien

好的，字符串确实与此有很多关系。毕竟，提问者已经知道如何将NaN更改为NA（请参见问题的第4行！），但是并不理解NaN被静默转换为"NaN"。我想我们至少可以认为这个问题很令人困惑。干杯。 - Josh O'Brien