代码是这样的
x <- 1:5
x[NA]
为什么会产生 5 个 NA？
【问题讨论】：
x[TRUE]、x[FALSE]、class(NA) 和 x[NA_integer_] 返回的内容来回答自己。
x[c(NA,TRUE)] 可能也很有启发性，因为它明确显示了向量循环使用NA 和非NA 值。
标签： r
这个问题的答案有两个方面：
索引矩阵时如何解释 NA？
在@alexis_laz 提供的one of the links 中，我找到了一个非常结构化的解释，说明在索引矩阵时如何解释TRUE、FALSE 和NA：
Logical索引告诉R要包含或排除哪些元素。您有三个选项：
TRUE、FALSE和NA它们用于指示是否应包含在该位置表示的索引。换句话说：
TRUE == "Include the elment at this index" FALSE == "Do not include the element at this index" NA == "Return NA instead of this index" # loosely speaking例如：
x <- 1:6 x[ c(TRUE, FALSE, TRUE, NA, TRUE, FALSE)] # [1] 1 3 NA 5
一个重要的细节是隔离NA 值的默认存储模式是合乎逻辑的（尝试typeof(NA)）。您可以使用NA_integer_、NA_real_（双）、NA_complex_或NA_character_来选择NA的存储模式。
为什么是 5 个 NA 而不仅仅是 1 个？
当索引的长度小于向量x 的长度时，索引将重新开始索引x 中尚未索引的值。换句话说，R 会自动“回收”索引：
(...) 但是，标准回收规则适用。所以在前面的例子中，如果我们删除最后一个
FALSE，则索引向量被回收，索引的第一个元素是TRUE，因此现在包含x的第6个元素x <- 1:6 x[c(TRUE, FALSE, TRUE, NA, TRUE)] # [1] 1 3 NA 5 6
回忆上一节中有关存储模式的详细信息。如果你输入x[NA_integer_]，那么你会发现不同的结果。
【讨论】：