“dplyr:：percent\u rank”中的键入错误？

在试图理解“百分比排名”的作用时， 我瞥了一眼代码，发现表达式

length（！is.na（x））

。我想不出任何情况下

length（x）！=长度（！x）

---

所以我想知道这是否是一个输入错误（也许它应该是

sum（！is.na（x））

？），或者这里是否真的有这样的情况？？？

来自

？is.na

我看到了两种可能性：

第一个是，如果使用了

的默认方法是.na（）

，那么它将被记录为返回“与其参数

x

长度相同的逻辑向量，对于标记为

na

的元素，包含

TRUE

，对于数字或复数向量，则返回

NaN

，否则返回

FALSE

。”（来自

？is.na

，值部分）

因此，您可以正确地推测不存在

length（is.na（x））！=length（！is.na（x））

的情况

如果应用了非默认方法，则该方法的作者可能返回一个与泛型（和默认方法）的文档不兼容的对象。在这种情况下，所有赌注都无效

我觉得这个选择有点牵强，但如果有悖常理，也是有可能的

---

我建议你在哈德利的github回购上报告这个问题。

我认为这是一个偏好问题。甚至帮助也说：

要排序的值向量。缺少的值保留原样。 如果要将它们视为最小值或最大值， 在排名前替换为Inf或-Inf

如果将

percent\u rank

分解为单个元素并应用于样本向量，则得到：

> x <- c(1, 1, 2, 3, NA)
> left  <- rank(x, ties.method = "min", na.last = "keep") - 1
> right <- length(!is.na(x)) - 1
> out   <- left/right
> out
[1] 0.00 0.00 0.50 0.75   NA
> x[is.na(x)] <- Inf
> left  <- rank(x, ties.method = "min", na.last = "keep") - 1
> right <- length(!is.na(x)) - 1
> out   <- left/right
> out
[1] 0.00 0.00 0.50 0.75 1.00

>x向左向右向外
[1] 0.00 0.00 0.50 0.75纳
>x[is.na（x）]从左到右
[1] 0.00 0.00 0.50 0.75 1.00

---

我现在对函数的工作方式很满意。如果希望始终获得0-1范围，只需确保将

NA

更改为

Inf/-Inf

。我不确定的是，这是否符合SQL2003标准。

这是一个错误。此代码是在中引入的，这是对的声明响应。Hadley在第7期中写道74：

哦，糟糕，我得说这是我的R实现中的一个bug。分母 应该是非NAs的数量，而不是长度。（添加强调）

我们不需要控制行为的选项，只需确保NAs在输入中 钠在输出中吗

---

但是正如您所注意到的，它应该是

sum（！is.na（x））

而不是

length

来实现预期的修复。

我同意您的意见。声明扩展到0,1的范围，并且

dplyr:：percent_rank（1:10）

将返回1，但是

dplyr:：percent_rank（c（1:10，na））

不会。捕捉得很好。

cume_dist（）

中也存在同样的问题。我根据这篇文章提交了一个拉取请求：我认为在您的第一个示例中，

NA

值被不一致地处理：作为最大值，因为它们压下了其他输出值-但它们也保持“原样”在这一点上，它们返回NA.无论如何，如果它打算这样运行，那么毫无理由地使用当前分母代码调用

！is.NA

将是一种奇怪的实现方式。有关预期功能的一些讨论，请参阅我对相关GitHub问题的回答中的链接。