R语言[]索引与subset()筛选数据框结果差异原因及修正方法

处理对象为名为DB_reduced的数据框，包含sex、BLT、BLN、BD四个字段，共7条观测记录，部分字段存在NA缺失值。
最初预期以下两段数据筛选代码返回结果完全一致：

# 方括号索引写法
DB_reduced[DB_reduced$sex == "f", 2]
# subset函数写法（注：原代码中字段名Sexo为笔误，应与前文字段sex保持一致）
subset(DB_reduced, DB_reduced$sex == "f", select = 2, drop = TRUE)

实际运行后二者输出存在明显差异：

• 方括号索引代码返回结果包含sex为NA的行对应的BLT列取值
• subset()函数代码仅返回sex取值明确为"f"的行对应的BLT列取值

两种写法对逻辑判断中NA值的处理规则完全不同：

• R中基础逻辑比较规则：使用==做值比对时，只要参与比对的一方是NA，返回的判断结果就是NA，而非TRUE或FALSE。
• 方括号[做行筛选时的规则：仅会剔除逻辑判断结果为FALSE的行，判断结果为TRUE的行保留，判断结果为NA的行同样会被保留，只是对应位置返回缺失值，这就是第一行代码会带出sex为NA记录的核心原因。
• subset()函数做行筛选时的规则：会自动将所有逻辑判断结果为NA的情况统一视为FALSE，直接剔除这部分缺失值对应的行，仅保留条件判断明确为TRUE的记录，因此不会返回sex为NA的行的取值。

只需要在筛选条件中显式增加非缺失值判断，把sex为NA的行明确标记为需要剔除的FALSE即可，修改后的代码和subset()返回结果完全一致：

DB_reduced[!is.na(DB_reduced$sex) & DB_reduced$sex == "f", 2, drop = TRUE]

代码逻辑说明：!is.na(DB_reduced$sex)会先把所有sex为NA的行判定为FALSE，只有sex字段非缺失、且取值为"f"的行才会被保留，和subset()的缺失值处理逻辑完全对齐。

内容的提问来源于stack exchange，提问作者MJRC