tecnica - ¿Cuál es la diferencia entre<NA> y NA?

rna sequencing and analysis

Question

Tengo un factor llamado SMOKE con niveles "Y" y "N". Los valores faltantes fueron reemplazados por NA (del nivel inicial "NULL"). Sin embargo, cuando veo el factor, obtengo algo como esto:

head(SMOKE)
N N <NA> Y Y N
Levels: Y N

¿Por qué R muestra NA como <NA> ? Y hay una diferencia?

Answer 1

Cuando se trata de factors , cuando NA está envuelto en corchetes angulares ( <NA> ), eso indica que de hecho es NA.

Cuando es NA sin corchetes, entonces no es NA, sino un factor apropiado cuya etiqueta es "NA"

# Note a ''real'' NA and a string with the word "NA"
x <- factor(c("hello", NA, "world", "NA"))
x
[1] hello <NA> world NA
Levels: hello NA world <~~ The string appears as a level, the actual NA does not.
as.numeric(x)
[1] 1 NA 3 2 <~~ The string has a numeric value (here, 2, alphabetically)
The NA''s numeric value is just NA

Editar para responder la pregunta de @ Arun:

R simplemente está tratando de distinguir entre una cadena cuyo valor son las dos letras "NA" y un valor real que falta, NA Por lo tanto, la diferencia que ve al mostrar df frente a df$y . Ejemplo:

df <- data.frame(x=1:4, y=c("a", NA_character_, "c", "NA"), stringsAsFactors=FALSE)

Tenga en cuenta los dos estilos diferentes de NA:

> df
x y
1 1 a
2 2 <NA>
3 3 c
4 4 NA

Sin embargo, si miramos solo ''df $ y''

[1] "a" NA "c" "NA"

Pero, si eliminamos las comillas (similar a lo que vemos cuando imprimimos un data.frame a la consola):

print(df$y, quote=FALSE)
[1] a <NA> c NA

Y así, una vez más tenemos la distinción de NA través de los corchetes en ángulo.

Answer 2

Es solo la forma en que R muestra NA en un factor:

> as.factor(NA)
[1] <NA>
Levels:
>
> f <- factor(c(1:3, NA))
> levels(f)
[1] "1" "2" "3"
> f
[1] 1 2 3 <NA>
Levels: 1 2 3
> is.na(f)
[1] FALSE FALSE FALSE TRUE

Se supone que este es un medio por el cual uno diferenciaría entre NA y "NA" en la forma en que se imprime un factor, ya que se imprime sin las comillas, incluso para las etiquetas / niveles de caracteres:

> f2 <- factor(c("NA",NA))
> f2
[1] NA <NA>
Levels: NA
> is.na(f2)
[1] FALSE TRUE