奇怪的大于逻辑与字符向量中的数字

Posted 2023-05-08

【中文标题】奇怪的大于逻辑与字符向量中的数字

【英文标题】：Strange Greater Than Logic with Numbers in Character Vector

【发布时间】：2022-01-13 06:32:25

【问题描述】：

我今天正在编写一个脚本，并注意到一些非常意外的输出。经过检查，我发现我的数据集中的一个变量，应该始终是数字，具有一个字符值（本质上是一个带有键入“N/A”的单元格，而不是一个正确读取为 NA 的值）。这不是一个真正的问题，因为我可以手动将此值重新编码为 NA。我很好奇的是为什么我在索引这个向量时没有收到错误，以及如何解释输出。下面提供了一个示例：

c("56.2", "84.7", "63", "9", "109.5", "16", "N/A", "50") >= 50

输出结果：

TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE

条目被标记为 TRUE 或 FALSE 背后的逻辑对我来说并不是很明显。谁能解释一下？

【问题讨论】：

学习help("Comparison")。它回答了你的问题。

支持你收到的答案，从 R 的角度来看，执行sort(c("56.2", "84.7", "63", "9", "109.5", "16", "N/A", "50", 50))

【参考方案1】：

Merjin van Tilborg 解释的补充说明：

x <- c("56.2", "84.7", "63", "9", "109.5", "16", "N/A", "50") 
x >= 50

# gives
[1]  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE  TRUE

# Now check which indexes fulfill this comparison (the why is explained by Merjin van Tilborg)
which(x >= 50)
[1] 1 2 3 4 7 8

# if you do like this:
as.numeric(x) >=50

# you get:
[1]  TRUE  TRUE  TRUE FALSE  TRUE FALSE    NA  TRUE
Warning message:
  NAs introduced by coercion

【参考方案2】：

因为字符比较是按字母顺序进行的，并且数字在字母之前，所以“100.9”以 1 开头，因此在“50”中比 5 排在前面，因此“更小”/更早。

"ab" > "b"
# a comes before b
# [1] FALSE

"12" > "2"
# 1 comes before 2 as character
# [1] FALSE