R语言检查索引与处理缺失值报错：缺失TRUE/FALSE值问题

错误根源 #

• NA判断逻辑错误：R中不能用==或!=直接判定NA，任何值与NA比较都会返回NA，导致if条件无法得到有效布尔值，触发missing value where TRUE/FALSE needed报错，必须用is.na()函数检测NA。
• 语法与变量错误：
  • R大小写敏感，条件判断需用小写if而非If；
  • 代码存在笔误df$Q15i]，应为df$Q15[i]；
  • xp1、yp1未提前初始化，且与开头定义的xp、yp变量名不一致；
  • 循环内代码块结构混乱，if后的语句未用大括号包裹，else缩进位置错误。
• 向量初始化问题：用numeric()创建空向量后通过索引赋值会频繁触发向量扩容，效率低下，建议提前指定向量长度。

修正后的循环实现代码 #

# 提前初始化向量，指定长度提升效率
xp <- numeric(length(df$Q15))
yp <- numeric(length(df$Q15))
xu <- numeric(length(df$Q15))
yu <- numeric(length(df$Q15))

m <- length(df$Q15)
for (i in 1:m) {
  # 两个值均不为NA的情况
  if (!is.na(df$Q15[i]) & !is.na(df$QA[i])) {
    xp[i] <- df$Q15[i]
    yp[i] <- df$QA[i]
  } else {
    # Q15非NA但QA为NA的情况
    if (!is.na(df$Q15[i]) & is.na(df$QA[i])) {
      xu[i] <- df$Q15[i]
    }
    # Q15为NA但QA非NA的情况
    if (is.na(df$Q15[i]) & !is.na(df$QA[i])) {
      yu[i] <- df$QA[i]
    }
  }
}

# 可选：去除向量中的空值（不需要保留原长度时使用）
xp <- xp[!is.na(xp)]
yp <- yp[!is.na(yp)]
xu <- xu[!is.na(xu)]
yu <- yu[!is.na(yu)]

更高效的向量化实现（推荐） #

R原生支持向量化操作，无需循环即可完成需求，代码更简洁且执行效率更高：

# 提取配对完整的数据
xp <- df$Q15[!is.na(df$Q15) & !is.na(df$QA)]
yp <- df$QA[!is.na(df$Q15) & !is.na(df$QA)]

# 提取Q15非NA但QA为NA的数据
xu <- df$Q15[!is.na(df$Q15) & is.na(df$QA)]

# 提取Q15为NA但QA非NA的数据
yu <- df$QA[is.na(df$Q15) & !is.na(df$QA)]

内容的提问来源于stack exchange，提问作者AirIcarus