R 子集向量以替换 NA

Question

我对 R 比较陌生，我遇到了一个代码，它用于将 NA 替换为我不完全理解的最新非 NA 值，请有人可以向我解释一下吗？：

这是代码：

z  <- !is.na(a)                  
z  <- z | !cumsum(z)             
y  <- a[z][cumsum(z)]

我有一个包含数字和 NA 的向量“a”：

a<-c(1,NA,NA,NA,3,4,5,NA,5,5,5,NA,NA,NA)

通过运行第一行，我得到“z” 这是“a”向量的布尔值：

> z
 [1]  TRUE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE

所以现在我知道，如果我想访问向量的第一个元素，我可以使用符号“[”来对数字 1 进行子集化：

> a[1]
[1] 1

同样，如果我想要前 3 个元素：

> a[1:3]
[1]  1 NA NA

为什么通过键入以下内容是 TRUE 值的子集？ 是否不应该再次返回包括 NA 在内的整个向量？因为 z 是所有布尔值的向量...

> a[z]
[1] 1 3 4 5 5 5 5

子集 FALSE 显然是

> a[!z]
    [1] NA NA NA NA NA NA NA

终于可以理解累加函数“cumsum”了：

> cumsum(z)
 [1] 1 1 1 1 2 3 4 4 5 6 7 7 7 7

但我不明白为什么输入：

> a[z][cumsum(z)]

它返回：

[1] 1 1 1 1 3 4 5 5 5 5 5 5 5 5

“[ ][ ]”是什么意思？ 我知道例如 通过输入

> a[z][1]

我可以访问子集 TRUE 布尔值的第一个元素

[1] 1

但我没有得到第三行代码。

Answer 1

这里的“z”是一个逻辑vector，即具有 TRUE/FALSE 值。当我们做cumsum（累积和）时，在每个'TRUE'的值处，它被加1

cumsum(z)
[1] 1 1 1 1 2 3 4 4 5 6 7 7 7 7

现在我们来看看

a[z]
#[1] 1 3 4 5 5 5 5

这里，'a'的值由'z'中的TRUE值的对应元素得到子集

当我们使用cumsum(z)作为索引时，前4个元素应该是a[z]的位置1的值，第5个元素应该是a[z]的位置2，第6个元素应该是位置3的值a[z] 等等...简而言之，a[z] 中的值是根据来自cumsum(z) 的索引复制而来的

a[z][cumsum(z)]
#[1] 1 1 1 1 3 4 5 5 5 5 5 5 5 5

与rep相同

rep(a[z], c(4, 1, 1, 2, 1, 1, 4))
#[1] 1 1 1 1 3 4 5 5 5 5 5 5 5 5

或

rep(a[z], tabulate(cumsum(z)))

---

要了解其工作原理，最好在 for 循环中使用一些 print 语句

for(i in cumsum(z)) {
   cat("cumulative sum vector", paste(cumsum(z), collapse=","), sep="\n")
  cat(paste0("cumulative sum of z index i: ", i), sep="\n")
  cat("value of a[z] vector:", paste(a[z], collapse=","), sep= "\n")
  cat("value of a[z] from indexing", a[z][i], sep="\n") 
  cat("----------------")
 }