无值 属于

关于 无值

许多语言都有类似null或none这样的方式来表示不存在的值。由于 R 的设计初衷是处理大量（而且往往很杂乱）的数据，它有好几种表示“空无”的形式。

总体的目标是：一旦遇到缺失或可疑的值，就把它就地标记出来，然后继续运行，而不抛出异常。

NULL

如果一个值确实不存在，就用NULL表示。这大概最接近 C 或 Python 的处理方式。

v <- c() # zero-length vector
v
#> NULL
is.null(v)
#> [1] TRUE

在很多场景下，NULL值会被直接忽略：

c(2, 3, NULL, 5)
#> [1] 2 3 5

NA

当值存在、但我们不知道它具体是什么时，就使用NA。例如，在统计道路上通行的车辆时，人工观察员可能请病假，自动传感器也可能出故障，但车流不会停下来。

v <- c(1, 2, NA, 4, 5)
v
#> [1]  1  2 NA 4  5
is.na(v) # test for data gaps
#> [1] FALSE FALSE  TRUE FALSE FALSE

因此，NA是一个占位符，提醒人们需要决定如何处理这种情况。

如果数据中存在NA，统计函数默认通常会返回NA。 如果希望忽略这些值，可以用na.rm（NA remove）形参显式地表达这一点：

v <- c(1, 2, NA, 4, 5)
mean(v)
#> [1] NA
mean(v, na.rm = TRUE)
#> [1] 3

NaN

“Not a Number”的缩写，NaN用于在期望得到一个数字的地方标记出计算问题。

n <- c(0, 2, 4)
d <- c(0, 1, 2)
n / d
#> [1] NaN   2   2  # 0/0 is mathematically undefined
is.nan(n / d)
#> [1]  TRUE FALSE FALSE

这并不是“无效”计算的唯一可能。 分子不为零时，除以零会返回Inf或-Inf，而不会抛出错误。

1 / 0
#> [1] Inf

空向量

也许有些出人意料，R 并没有检查向量是否为空的标准方法，不过一些第三方包实现了自己的函数，比如is.empty()。

就连生成一个空向量也不是那么直观。 在前面的某一节中我们看到，不带任何参数的c()返回的是NULL，而不是一个向量。

is.vector(c())
#> [1] FALSE

logical()或integer()这类函数接受一个指定所需长度的实参，这个长度可以是零。

z <- logical(0)
is.vector(z)
#> [1] TRUE
length(z)
#> [1] 0

我们也可以先生成一个向量，再删除其中的每一个元素，具体做法参见向量概念。 这样得到的是一个长度为 0 的、类型合适的向量。

v <- 5
v[-1]  # delete the first element
#> numeric(0)