R语言初级教程: NA、Inf、NaN、NULL 特殊值_R语言中文社区的博客

1. Inf

我们知道，对于分数，当分母为 0 分子不为 0 时，结果为 无穷大 。当分子为正数时，结果为 正无穷大 ；当分子为负数时，结果为 负无穷大 。在R中也是这样，比如：

> 2 / 0 ## 正无穷大
[ 1 ] Inf
> - 2 / 0 ## 负无穷大
[ 1 ] - Inf

Inf 也可参与一些运算，比如：

> 2 / Inf ## 当分子为有限值、分母无穷大时，结果为0
[ 1 ] 0
> exp(- Inf ) ## 自然数e的负无穷大次幂为0
[ 1 ] 0
> ( 0 : 3 )^ Inf ## 0的穷大次幂为0；1的穷大次幂还为1；大于1的数的无穷大次幂为无穷大
[ 1 ] 0 1 Inf Inf

此外，在R中用 is.finite() , is.infinite() 来判断是否为无穷大数，比如：

> is .finite( 2 )
[ 1 ] TRUE
> is .infinite( 2 / 0 )
[ 1 ] TRUE

2. NaN

有些运算会导致结果为 非数值 ，在R中用 NaN 来表示，比如：

> 0 / 0
[ 1 ] NaN
> Inf - Inf
[ 1 ] NaN
> Inf / Inf
[ 1 ] NaN

在R中，用 is.nan() 来判断是否为非数值，比如：

> is .nan( 2 )
[ 1 ] FALSE
> is .nan(NA) ## 缺失值NA不是非数值
[ 1 ] FALSE
> is .nan( 0 / 0 )
[ 1 ] TRUE

3. NULL

NULL 表示空值，表示没有内容。

一般常用在函数参数中，表示该参数没有被赋予任何值。也经常用在初始化变量，表示变量没有任何内容，因此它的长度为0。来看个例子：

> x <- NULL
[ 1 ] 0
> length(x)
[ 1 ] 0
> is . null (x) ## is.null()函数判断是否为空值
[ 1 ] TRUE

4. NA

NA 表示 缺失值 (Missing value)，我们将会经常碰到这个值。

你可能想知道向量中是否有缺失值。对于这个问题，有人说用 == 关系运算符就行了，是这样吗？来看个例子：

> x <- c( 2 , 5 , NA, 7 , NA, 8 )
> x == NA
[ 1 ] NA NA NA NA NA NA
> is .na(x) ## 正确姿势
[ 1 ] FALSE FALSE TRUE FALSE TRUE FALSE

显然用 == 不可行（为啥不行，仔细想想就明白），在R中可用 is.na() 函数来判断是否为缺失值

有时我们想 删除缺失值 或想 知道有多少个缺失值 ，可以通过下面代码来实现：

> x[! is .na(x)] ## 删除缺失值
[ 1 ] 2 5 8
> sum( is .na(x)) ## 缺失值的个数
[ 1 ] 2

对于处理含有缺失值的向量， 很多函数在默认参数下不能工作 ，比如：

> x <- c( 2 , 5 , NA, 7 , NA, 8 )
> mean(x)
[ 1 ] NA
> max(x)
[ 1 ] NA
> mean(x, na.rm=TRUE)
[ 1 ] 5.5
> max(x, na.rm=TRUE)
[ 1 ] 8

可通过设置 na.rm 为 TRUE 来删除缺失值，然后再统计

有时我们还想知道 缺失值 NA 在哪个位置 。此时可以通过 which() 函数来输出位置索引，比如：

> x <- c( 2 , 5 , NA, 7 , NA, 8 )
> which( is .na(x)) ## 第3和5个元素是缺失值
[ 1 ] 3 5

有关R语言里面的特殊值就讲到这。

如若有遗漏，后期将会添加至作者博客，欢迎关注～～

R语言 处理缺失值在处理数据过程中，避免不了会产生一些缺失值，如未填写数据或者编码错误等原因，用 NA 表示缺失值。在 R语言 中，is. na ()函数可以判断元素是否是缺失值，从而返回逻辑值 (TRUE/FALSE)，所以该函数将会返回和元数据集一样大小的数据集。在判断缺失值的过程中，需要注意以下两点：一是缺失值是不可以比较的，即不可以用缺失值去寻找缺失值，如var == NA 返回的结果永远不会是true。二是 R语言 中不会将正无穷和负无穷写成 NA ，分别用 Inf 和 – Inf 所标记。既然缺失值可能无处不在，那么在数据分析过程中可以采取如下的方法去除缺失值：一是很多数值函数都拥有一个 na .rm 主要是通过 R语言 ，对日期数据进行处理，并补全缺失数据 rawdata<- read.csv("C:/Users/li/Desktop/ss.csv",fill=F) #提取数据 ss1,并组合数据------------------------------- ts1<-rawdata$ts1 ts11<-as.Date(ts1,'%Y/%m/%d') false<-is. na (ts11) ts21<-ts11[!false] ss1<-rawdata$SS1 ss1<-ss1[!false] library(zoo) data1<-zoo(ss1,ts21) #补全不规则数据(时间的缺失和缺失值 ) date1<-zoo(,seq(start(data1),end(data1),'day')) datanew1<-merge(data1,date1) datanew1[is. na (datanew1)]<-median(datanew1, na .rm = T) #提取数据 ss2 目录00引言1、 Inf 2、 NAN （Not a Number）3、 NA 与逻辑运算符4、总结这篇的主角是 R语言 中缺失值 ( NA )的识别与提取。先介绍 NAN 、 Inf 及其运算。在最终介绍缺失值（ NA ），毕竟重要的都压轴嘛。 1、 Inf 在实数轴上除了确定的有限点，还有两个无限：正无穷、负无穷。用 Inf 、- Inf 表示。 [1] Inf > - Inf [1] - Inf &gt... 一般在项目中，数据可能会因为设备故障、未作答问题或误编码数据的原因不完整。在R中 NA （not available，不可用）表示缺失值。函数is. na ()允许你检测缺失值是否存在。该函数作用于检测对象之后将返回一个相同大小的对象，其中缺失值的位置被改写为true，其他不是缺失值的位置则为false。 > which(is. na (nhanes2)) #返回缺失值的位置 > sum(is. na c() 函数是 R 语言中的合并函数，用于将多个值合并成一个向量。加上 NA 参数表示在合并的值的末尾添加一个 NA 值。 NA 表示缺失值，即这个位置的数据缺失或者无效。因此，c(a, b, NA ) 的意思是将 a 和 b 合并成一个向量，并在末尾添加一个 NA 值。