贡献者： 马柑铃

问题

你想正确处理NULL、NA （Not Available）、NaN（Not a Number）。

方案

你的数据有时将会存在NULL、NA 、NaN。处理这些数据有些不同于”正常”值，并可能需要确定性测试。

以下是这些值相比较的例子：

x <- NULL
x > 5
# logical(0)

y <- NA
y > 5
# NA

z <- NaN
z > 5
# NA

如何测试某个变量是否是其中的一个值：

is.null(x)
# TRUE

is.na(y)
# TRUE

is.nan(z)
# TRUE

注意，NULL不同于其他两个。NULL意味着没有值，而NA和NaN表示有价，尽管也许是不可用的。下面有一个例子区分：

# Is y null?
is.null(y)
# FALSE

# Is x NA?
is.na(x)
# logical(0)
# Warning message:
# In is.na(x) : is.na() applied to non-(list or vector) of type 'NULL'

第一个例子，检查y是否是NULL，结果y并不是；第二个例子，试图检查x是否是NA，但并没有值被检测。

忽视向量汇总函数中的“坏”值

如果你对包含NA或NaN的向量使用诸如mean()或sum()之类的函数，结果将返回NA和NaN，这通常没有任何意义，虽然这样的结果会提醒你有“坏”值的存在。许多函数都有na.rm可以将这些值忽略。

vy <- c(1, 2, 3, NA, 5)
# 1  2  3 NA  5
mean(vy)
# NA
mean(vy, na.rm=TRUE)
# 2.75

vz <- c(1, 2, 3, NaN, 5)
# 1   2   3 NaN   5
sum(vz)
# NaN
sum(vz, na.rm=TRUE)
# 11

# NULL不是问题，因为它不存在
vx <- c(1, 2, 3, NULL, 5)
# 1 2 3 5
sum(vx)
# 11

从向量中移除”坏值“

使用is.na()或is.nan()的反向函数，可以将这些值移除。

vy
# 1  2  3 NA  5
vy[!is.na(vy)]
# 1  2  3  5

vz
# 1   2   3 NaN   5
vz[!is.nan(vz)]
# 1  2  3  5

注意

也有无限值Inf和-Inf，及其相应的函数is.finite()和is.infinite()。

见/Manipulating data/Comparing vectors or factors with NA

原文链接：http://www.cookbook-r.com/Basics/Working_with_NULL_NA_and_NaN/