R中使用complete.cases后data.frame异常，如何让第二种方法与第一种效果一致？

咱们先拆解两种方法的核心差异：

1. 第一种方法的正常逻辑
   data <- mtcars["wt"]得到的是一个1列的data.frame。后续scale(data)返回同维度的矩阵，用c(d)转成向量后，直接给这个data.frame新增一列完全没问题——因为data.frame天生支持多列结构，赋值操作自然生效。

2. 第二种方法失效的关键
   你添加的data <- data[complete.cases(data), ]这行代码，触发了R的一个默认行为：当你从data.frame中提取仅1列的结果时，R会自动把它简化成向量（这是drop=TRUE的默认设置）。
   此时data已经不再是data.frame，而是一个普通的numeric向量。接下来你尝试用data[, 新列名]这种二维索引方式给向量加列，这显然行不通——向量是一维结构，根本没有“列”的概念，所以赋值操作会直接失效甚至报错。

要让第二种方法和第一种输出一致，只需要在索引时强制保留data.frame的结构，也就是设置drop=FALSE参数：

data <- mtcars["wt"]
data <- data[complete.cases(data), , drop=FALSE]  # 新增drop=FALSE阻止简化
d <- scale(data)
data[, paste0(names(data), ".bbb") ] <- c(d)
data

这样处理后，data始终保持data.frame的结构，后续的列赋值操作就和第一种方法完全一致了。

另外补充一点：如果你的原始数据里确实存在NA，complete.cases(data)会过滤掉缺失行，但只要保留drop=FALSE，结果依然是data.frame，不会影响后续操作。

内容的提问来源于stack exchange，提问作者user8840683