R语言中%in%做条件判断时为何会忽略缺失值NA？

%in%是R基础函数match()的语法糖，x %in% target_set的底层逻辑是判断x中每个元素是否能在target_set中找到完全匹配的可观测值：

• 若元素明确存在于目标集合，返回TRUE
• 若元素明确不存在于目标集合，返回FALSE
• 若元素本身是NA，只有当目标集合显式包含NA时才返回TRUE，否则一律返回FALSE

这个设计是为了适配数据筛选的高频场景：比如提取属于指定类别的行时，默认排除取值未知的缺失记录，避免缺失值混入筛选结果。你用|连接多个==判断时会返回NA，是因为逻辑比较运算符==遵循缺失值传播规则：NA == 任意值的结果都是NA，NA | NA的结果依然是NA，两套逻辑的设计目标不同，才会出现输出差异。

不需要逐一写==判断，以下方案都支持任意长度的目标分类集合，哪怕需要匹配30个及以上水平，只要把所有目标值拼成向量传入即可：

• 自定义支持缺失值传播的匹配运算符
  一次定义后可以在所有重编码场景复用，写法和原生%in%完全一致：

  # 定义运算符
  `%in_keep_na%` <- function(x, target) {
    res <- x %in% target
    res[is.na(x)] <- NA
    res
  }
  
  # 调用示例
  dt$is_warm3 <- dt$colour %in_keep_na% c("red", "orange")
  

  运行后NA位置会自动保留为NA，输出和链式==判断完全一致。

• 用条件判断函数显式声明缺失值规则
  如果做复杂重编码，可以直接用dplyr包的case_when()，逻辑清晰易维护，天然适配多分支映射：

  library(dplyr)
  dt <- dt %>%
    mutate(
      is_warm4 = case_when(
        colour %in% c("red", "orange") ~ TRUE,
        is.na(colour) ~ NA,
        .default = FALSE
      )
    )
  

  这个写法不需要自定义函数，除了二分类判断，多分类重编码、多条件组合判断的场景都能覆盖。

• 因子变量直接操作水平
  如果处理的是固定水平的因子型分类变量，可以先统一设置因子水平，匹配后手动补全缺失位：

  dt$colour <- factor(dt$colour, levels = c("red", "orange", "blue"))
  dt$is_warm5 <- dt$colour %in% c("red", "orange")
  dt$is_warm5[is.na(dt$colour)] <- NA
  

内容的提问来源于stack exchange，提问作者Andrea M