Julia中使用dropmissing与skipmissing为何得到不同结果？

两种写法结果不一致的核心是skipmissing和dropmissing对全缺失值分组的处理逻辑不同，叠加NaN的比较特性导致筛选结果出错：

• dropmissing(:dep_delay)在分组前执行，会直接把所有dep_delay为缺失值的行从源数据中删除。如果某组(month, origin, dest)的所有记录dep_delay都是缺失值，这组会因为没有剩余行，在分组聚合阶段直接被丢弃，不会出现在中间结果里。
• skipmissing(:dep_delay)在分组聚合计算均值时才执行，如果某组的dep_delay全为缺失值，skipmissing会返回空迭代器，对空集合求mean会得到NaN，这类全缺失分组会保留在中间结果中，对应mean_delay值为NaN。
• 后续按月份分组筛选最大值时，只要某个月的分组中存在一个NaN值，maximum(:mean_delay)就会直接返回NaN；而Julia中NaN和任何值做相等比较都返回false（包括NaN == NaN的结果也是false），最终这个月没有任何行满足筛选条件，就会从最终结果中消失。你结果中缺失的7月、9月，正是因为当月存在至少一组(origin, dest)的dep_delay全为缺失值，触发了上述问题。

如果要保留skipmissing的写法，只需要在聚合后过滤掉NaN值，或者计算最大值时跳过NaN即可，结果会和R代码完全对齐：

# 方案1：聚合后移除空组产生的NaN
@chain flights begin
    groupby([:month, :origin, :dest])
    @combine :mean_delay = mean(skipmissing(:dep_delay))
    filter!(:mean_delay => !isnan, _)
    groupby(:month)
    @subset(:mean_delay .== maximum(:mean_delay))
    sort(:month)
end

# 方案2：计算月内最大值时跳过NaN
@chain flights begin
    groupby([:month, :origin, :dest])
    @combine :mean_delay = mean(skipmissing(:dep_delay))
    groupby(:month)
    @subset(:mean_delay .== maximum(skipmissing(:mean_delay)))
    sort(:month)
end

内容的提问来源于stack exchange，提问作者Gustavo Machala