关于R语言Coursera作业complete函数中interested_data语句的疑问

作业背景与解决方案代码 #

这是Coursera R语言编程作业中的一道题目，要求编写名为complete的函数：读取指定目录下的CSV文件，统计每个文件中**完全观测（complete cases）**的数量，最终返回一个包含监测点ID（对应文件名）和对应完全观测数的data frame。给出的解决方案代码如下：

complete <- function(directory, id = 1:332){
    ## 'directory' is a character vector of length 1 indicating
    ## the location of the CSV files
    
    ## 'id' is an integer vector indicating the monitor ID numbers
    ## to be used
    
    ## Return a data frame of the form:
    ## id nobs
    ## 1  117
    ## 2  1041
    ## ...
    ## where 'id' is the monitor ID number and 'nobs' is the
    ## number of complete cases
    results <- data.frame(id=numeric(0), nobs=numeric(0))
    for(monitor in id){
        path <- paste(getwd(), "/", directory, "/", sprintf("%03d", monitor), ".csv", sep = "")
        monitor_data <- read.csv(path)
        interested_data <- monitor_data[(!is.na(monitor_data$sulfate)), ]
        interested_data <- interested_data[(!is.na(interested_data$nitrate)), ]
        nobs <- nrow(interested_data)
        results <- rbind(results, data.frame(id=monitor, nobs=nobs))
    }
    results
}

核心逻辑解释 #

interested_data的作用 #

interested_data是一个临时数据集，用来逐步筛选出当前监测点数据中，sulfate和nitrate两列都没有缺失值的行——也就是题目要求的「完全观测」。

两行筛选语句的含义 #

1. 第一行：筛选sulfate列无缺失的行

   interested_data <- monitor_data[(!is.na(monitor_data$sulfate)), ]
   

   • is.na(monitor_data$sulfate)：生成一个布尔向量，每一位对应monitor_data的一行，值为TRUE表示该行的sulfate是缺失值（NA），FALSE表示无缺失。
   • !：对布尔向量取反，把「是缺失值」的判断转为「不是缺失值」的判断。
   • 用这个取反后的向量筛选monitor_data的行，只保留sulfate列无缺失的所有行，赋值给interested_data。

2. 第二行：筛选nitrate列无缺失的行

   interested_data <- interested_data[(!is.na(interested_data$nitrate)), ]
   

   • 逻辑和第一行完全一致，不过是在已经筛选过sulfate的数据集基础上，进一步筛选nitrate列无缺失的行。
   • 经过这两步，interested_data中就只剩下sulfate和nitrate都无缺失的行，统计它的行数nrow(interested_data)就是当前文件的完全观测数。

更简洁的等价写法 #

R内置了complete.cases()函数，可以直接判断每行是否为完全观测（所有列无缺失），用它可以简化代码：

# 替换原代码中两行筛选和nobs赋值的部分
nobs <- sum(complete.cases(monitor_data))

complete.cases(monitor_data)返回的布尔向量标记了所有完全观测的行，sum()会自动统计其中TRUE的数量（因为R中TRUE等价于1，FALSE等价于0），结果和原代码完全相同。

内容的提问来源于stack exchange，提问作者Ashutosh Tiwari