R summary（）为过多的NAs提供了不正确的值 设置

我有一个由3.5e6 1、7.5e6 0和4.4e6 NA组成的数据集。当我在上面调用

summary（）

时，我得到了一个错误的平均值和最大值（与

mean（）

和

max（）

不一致）

单独调用

mean（）

时，它会返回一个合理的值：

> mean(data, na.rm = T)
[1] 0.6804823

问题的特征 看起来这个问题对于任何包含超过3162277 NA值的向量都是通用的

就在截止线以下：

> thingie <- as.numeric(c(rep(0,1e6), rep(1,1e6), rep(NA,3162277)))
> summary(thingie)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
    0.0     0.0     0.5     0.5     1.0     1.0 3162277 

>thingie摘要（thingie）
最小第一个曲中位数平均第三个曲最大NA's
0.0     0.0     0.5     0.5     1.0     1.0 3162277 

刚刚过去：

> thingie <- as.numeric(c(rep(0,1e6), rep(1,1e6), rep(NA,3162278)))
> summary(thingie)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
      0       0       0       0       1       1 3162278 

>thingie摘要（thingie）
最小第一个曲中位数平均第三个曲最大NA's
0       0       0       0       1       1 3162278 

有多少个非缺失值似乎也无关紧要

> thingie <- as.numeric(c(rep(0,1), rep(1,1), rep(NA,3162277)))
> summary(thingie)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
    0.0     0.2     0.5     0.5     0.8     1.0 3162277 
> thingie <- as.numeric(c(rep(0,1), rep(1,1), rep(NA,3162278)))
> summary(thingie)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
      0       0       0       0       1       1 3162278 

>thingie摘要（thingie）
最小第一个曲中位数平均第三个曲最大NA's
0.0     0.2     0.5     0.5     0.8     1.0 3162277 
>thingie摘要（thingie）
最小第一个曲中位数平均第三个曲最大NA's
0       0       0       0       1       1 3162278 

研究

在寻找答案时，我遇到了众所周知的舍入错误，但这并不影响这种行为（请参阅第一个代码块）

我认为这可能是我的环境/机器/行星排列的某种奇怪的怪癖，所以我让我妹妹运行相同的代码。她在她的机器上得到了同样的结果

闭幕词 显然，这不是一个关键问题，因为可以使用

mean（）

和

max（）

函数代替

summary（）

，但我很好奇是否有人知道这种行为的原因。而且，我妹妹和我都找不到关于它的任何提及，所以我想我会把它记录下来，留给子孙后代

---

编辑：我说的是整个帖子的平均值和最大值，但最大值很好。第一分位数、中位数和第三分位数不同。

以下是一些示例数据：

x <- rep(c(1,0,NA), c(3.5e6,7.5e6,4.4e6))
out <- summary(x)
out
# Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
#    0       0       0       0       1       1 4400000

mean(x, na.rm=TRUE)
#[1] 0.3181818

这里的关键转折点是

3162277

到

3162278

NA

值，当舍入阈值超过0.5时，舍入阈值从0变为1

dput(max(0L,getOption("digits")-log10(3162277)))
#0.500000090664876

dput(max(0L,getOption("digits")-log10(3162278)))
#0.499999953328896

out[7] <- 3162277
out
#   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
#    0.0     0.0     0.0     0.3     1.0     1.0 3162277 

out[7] <- 3162278
out
#   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
#      0       0       0       0       1       1 3162278

dput（最大（0L，getOption（“数字”）-log10（3162277）））
#0.500000090664876
dput（最大（0升，getOption（“数字”）-log10（3162278）））
#0.499999953328896
[7]有趣的是，调整digits参数似乎没有帮助。我浏览了一些底层代码。这两个将打印底层值：
print.default（summary（thingie），digits=5）
和
print.table（summary（thingie），digits=5）
，尽管输出没有那么漂亮。也就是说。。。真奇怪。我没有想到这是一个打印错误。我刚刚检查过，确信，
summary（thingie）[“Mean”]==Mean（thingie，na.rm=TRUE）
是真的。有趣的是，在
debug（summary.default）
之后单步执行显示值的核心打印得很好（qq

对象），包括

na

值的初始添加。当对象的

类更改为
c（“summaryDefault”，“table”）
后，一切都会出错。可能是
print.summaryDefault
中的某些内容导致了该问题。
c(out)
#      Min.   1st Qu.    Median      Mean   3rd Qu.      Max.      NA's 
# 0.000e+00 0.000e+00 0.000e+00 3.182e-01 1.000e+00 1.000e+00 4.400e+06

round(c(out), max(0L, getOption("digits")-log10(4400000)))
# Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
#    0       0       0       0       1       1 4400000 

dput(max(0L,getOption("digits")-log10(3162277)))
#0.500000090664876

dput(max(0L,getOption("digits")-log10(3162278)))
#0.499999953328896

out[7] <- 3162277
out
#   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
#    0.0     0.0     0.0     0.3     1.0     1.0 3162277 

out[7] <- 3162278
out
#   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
#      0       0       0       0       1       1 3162278