Dplyr 产生 NaN 而 base R 产生 NA

Posted 2023-03-11

【中文标题】Dplyr 产生 NaN 而 base R 产生 NA

【英文标题】：Dplyr produces NaN while base R produces NA

【发布时间】：2018-05-28 14:00:17

【问题描述】：

考虑以下玩具数据和计算：

library(dplyr)

df <-  tibble(x = 1)

stats::sd(df$x)

dplyr::summarise(df, sd_x = sd(x))

第一个计算结果为NA，而第二个计算结果包含在 dplyr 函数summarise 中时产生NaN。我希望这两种计算都会产生相同的结果，但我想知道它们为什么不同？

【问题讨论】：

What is the difference between NaN and Inf, and NULL and NA in R?的可能重复

我可以复制。 dplyr 版本 0.7.4 - CRAN 的最新版本。

这里也一样。但是，您需要它做什么？如果您询问is.na()，两者都返回TRUE。

有趣。对我来说，结果都是 NA：> stats::sd(df$x) [1] NA 和 > dplyr::summarise(df, sd_x = sd(x)) # A tibble: 1 x 1 sd_x <dbl> 1 NA

@storaged 你使用的是什么版本的dplyr？

【参考方案1】：

它正在调用不同的函数。我不清楚这个函数是什么，但不是stats那个。

dplyr::summarise(df, sd_x = stats::sd(x))
# A tibble: 1 x 1
   sd_x
  <dbl>
1    NA

debugonce(sd) # debug to see when sd is called

这里没有调用：

dplyr::summarise(df, sd_x = sd(x))
# A tibble: 1 x 1
   sd_x
  <dbl>
1   NaN

但在这里调用：

dplyr::summarise(df, sd_x = stats::sd(x))
debugging in: stats::sd(1)
debug: sqrt(var(if (is.vector(x) || is.factor(x)) x else as.double(x), 
    na.rm = na.rm))
...

更新

看来summarise 中的sd 是在R 之外计算的，在此头文件中有所暗示：https://github.com/tidyverse/dplyr/blob/master/inst/include/dplyr/Result/Sd.h

dplyr 似乎重新定义了许多函数。鉴于var 在两种情况下都给出了相同的结果，我认为 sd 行为是一个错误。

【讨论】：

你的 R dplyr 和 R 版本是什么？我很惊讶我无法重现该错误...

当我做dplyr::mutate(df, var_x = var(x)) 时，我也会得到NA。根据行为是错误的建议，我已接受此答案。