为何R的summary统计物种计数未排除其他列缺失值，显示一致？

执行代码 #

data<-read.csv("pen.csv",header=TRUE)
head(data)
require(reshape2)
dat<-melt(data=data)
names(dat)<-c("species","weight")
summary(dat)

实际结果 #

> summary(dat)

|      species     |  weight         |  
|------------------|-----------------|  
| Adelie   :6      | Min.   :181.0   |
| Gentoo   :6      | 1st Qu.:193.0   |
| Chinstrap:6      | Median :202.0   |
|                  | Mean   :202.3   |  
|                  | 3rd Qu.:215.0   | 
|                  | Max.   :216.0   |
|                  | NA's   :3       |

预期结果 #

|      species     |  weight         |  
|------------------|-----------------|  
| Adelie   :5      | Min.   :181.0   |
| Gentoo   :6      | 1st Qu.:193.0   |
|Chinstrap :4      | Median :202.0   |
|                  | Mean   :202.3   |  
|                  | 3rd Qu.:215.0   | 
|                  | Max.   :216.0   |
|                  | NA's   :3       |

数据集 #

问题原因 #

melt()函数会将原数据的每一行每一列都转换为独立观测，即使对应weight值为NA也会保留该行。原数据共6行，因此每个species的计数都是6，和你预期的排除NA后的计数不符。之前将species转为factor类型无效，因为问题核心是行的保留逻辑，而非数据类型。

解决方法 #

在melt()之后过滤掉weight为NA的行即可：

data<-read.csv("pen.csv",header=TRUE)
require(reshape2)
dat<-melt(data=data)
names(dat)<-c("species","weight")
# 过滤weight为NA的行
dat <- dat[!is.na(dat$weight), ]
summary(dat)

执行后会得到符合预期的结果：Adelie计数为5，Chinstrap计数为4，Gentoo计数为6。

内容的提问来源于stack exchange，提问作者saif