R 3.3.3版本data.frame按字符列子集化异常，求解释

这是个非常典型的R逻辑比较误区，咱们来一步步搞清楚问题出在哪：

1. NA值的比较特性 #

在R里，NA（缺失值）和任何值进行比较运算（包括==、!=等），结果都会是NA，而不是你预期的TRUE或FALSE。

回到你的例子，当你执行foo$bar != 'a'时，实际得到的逻辑向量是：

> foo$bar != 'a'
[1] FALSE    NA   TRUE FALSE

其中原第二行的NA和'a'比较，结果自然是NA。

2. 逻辑向量子集化的规则 #

当你用包含NA的逻辑向量对data.frame做子集化时，R的处理逻辑是：

• TRUE：保留对应行的所有原始值
• FALSE：直接排除该行
• NA：保留该行，但将该行的所有列值替换为NA（因为R无法判断这行是否满足条件，用NA表示不确定）

这就是你看到结果里第一行全是NA的原因——它对应原数据框的第二行，因为比较结果是NA，所以被保留但值全变成了NA，而不是保留原来的baz=2。

3. 正确的子集化写法 #

根据你的需求，分两种情况：

情况1：想要所有bar不等于'a'且不是NA的行 #

需要明确排除NA，写法如下：

foo[foo$bar != 'a' & !is.na(foo$bar), ]

执行后会得到：

bar baz
3   b   3

情况2：想要所有**bar不是'a'（包括NA）**的行 #

需要把NA的情况单独纳入条件：

foo[is.na(foo$bar) | foo$bar != 'a', ]

执行后会得到：

bar baz
2 <NA>   2
3    b   3

另外还有个更简洁的写法，用%in%运算符（它会自动把NA的比较结果转为FALSE，取反后就会保留NA）：

foo[!foo$bar %in% 'a', ]

这个写法和情况2的效果完全一致，因为foo$bar %in% 'a'会返回c(TRUE, FALSE, FALSE, TRUE)，取反后就是c(FALSE, TRUE, TRUE, FALSE)，刚好选中原第二、三行。

内容的提问来源于stack exchange，提问作者qdread