dplyr::filter在过滤不等于某个值时会移除缺失值（NA）。

Question

这是 dplyr 中的 filter 函数的预期行为吗？听起来很糟糕。我是不是漏掉了什么，或者使用了错误的版本？

mydf <- data.frame(x = 1:5, y = c(letters[1:3], rep(NA, 2)))
mydf
  x    y
1 1    a
2 2    b
3 3    c
4 4 <NA>
5 5 <NA>

filter(mydf, y != 'a')
  x y
1 2 b
2 3 c

packageVersion('dplyr')
[1] ‘0.7.2’

- Gopala

---

“filter” 这个函数已经使用很长时间了，你可能需要使用 filter(mydf, y != 'a' |is.na(y)) 进行筛选。我刚用 R 3..1.3 和 dplyr_0.4.3 进行了验证，得到的结果和你的是一样的。 - akrun

天啊 - 我不知道我在我的代码中引入了多少个错误，而没有意识到这种行为。 - Gopala

Answer 1

在?dplyr的文档中已经有了相关说明（不过似乎是在9个月前才加入文档：链接）：

使用filter()查找满足条件的行/案例。与基础子集不同，条件计算为NA的行会被删除。

这与base::subset()的工作方式一致，但与使用[+逻辑索引的子集方式不同。

如评论中所说，你可以使用filter(mydf, y != 'a' |is.na(y))来保留NA值。尽管使用identical()或isTRUE()也很方便，但它们都不能向量化。你可以编写一个便捷的包装器：

eq <- function(x,c) {x==c | is.na(x)}
filter(mydf,eq(y,"a"))

- Ben Bolker