开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

为什么`as.numeric(c(1，1.0，"1.0"，TRUE)`会对`TRUE`元素返回`NA`？

as.numeric(c(1, 1.0, "1.0", TRUE))会对TRUE元素返回NA的原因是因为在R语言中，as.numeric()函数将非数值类型的数据转换为数值类型。当TRUE被转换为数值时，它会被解释为1，而不是TRUE的数值表示。因此，as.numeric(TRUE)的结果是1。

然而，在向量c(1, 1.0, "1.0", TRUE)中，R会尝试将所有元素转换为同一类型。由于向量中包含字符类型的元素"1.0"，R会尝试将所有元素转换为字符类型。在这个过程中，R会将TRUE转换为字符类型的"TRUE"。因此，向量c(1, 1.0, "1.0", TRUE)的类型将被解释为字符类型。

当我们尝试将字符类型的向量转换为数值类型时，R会将无法转换的元素设置为NA（缺失值）。由于"TRUE"无法被解释为数值类型，因此as.numeric(c(1, 1.0, "1.0", TRUE))会将"TRUE"转换为NA。

腾讯云相关产品和产品介绍链接地址：

云服务器（CVM）：https://cloud.tencent.com/product/cvm
云数据库 MySQL 版：https://cloud.tencent.com/product/cdb_mysql
人工智能平台（AI Lab）：https://cloud.tencent.com/product/ailab
腾讯云物联网平台（IoT Explorer）：https://cloud.tencent.com/product/iotexplorer
腾讯云移动开发平台（MPS）：https://cloud.tencent.com/product/mps
对象存储（COS）：https://cloud.tencent.com/product/cos
腾讯云区块链服务（Tencent Blockchain）：https://cloud.tencent.com/product/tencentblockchain

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

2-2 R语言基础向量

#Vector 向量的三种创建方法，两个参数：类型，长度 > x <- vector("character",length=10) > x1 <- 1:4 > x2 <- c(1,2,3,4) > x3...<- c(TRUE,10,"a") #如果给向量赋值时元素类型不一致，R就会强制转换，将他们变为同一类型 > x4 <- c("a","b","c","d") > #强制转换的函数如下： > as.numeric...(x4) [1] NA NA NA NA Warning message: NAs introduced by coercion > #强制转换的函数如下： > as.numeric(x4) [1]...NA NA NA NA Warning message: NAs introduced by coercion > as.logical(x4) [1] NA NA NA NA > as.character...(x4) [1] "a" "b" "c" "d" > class(x1) #查看数据的类型 [1] "integer" > names(x1) <- c(x4) #给向量每一个元素添加名称

5861 0

R2向量

= #2.判断函数is.number()，T,F,NA（缺失值），转换as.number()，转换优先顺序表格的行名和列名不属于表格内容，因此是4列 #注释1在R语言中，as.complex和as.numeric...当传入的参数无法转换为所需的类型时，as.complex函数会返回NA（缺失值），而as.numeric函数则会报错。...##### #(1)用 c() 结合到一起,数据类型转换的优先顺序，为什么转换，因为只会输出一种数据类型 c(2,5,6,2,9) ## [1] 2 5 6 2 9 c("a",4) ## [1]...TRUE #注释3在R语言中，setdiff()函数用于求两个集合的差集(即除去两个集合中重复元素后仅出现在第一个集合中的元素集合)，并返回结果。...其基本语法格式如下:复制代码setdiff(x，y)其中，x和y是两个向量或集合，函数返回在x中出现而在中没有出现的元素举个例子，在如下代码中:复制代码x <- c(1，2，3，4，5)y<-c(3，

1.4K0 0

【生信技能树培训笔记】R语言基础（20230112更新）

("jimmy")返回NA，意思是可以将Jimmy这个字符串转换成数值类型，但是这个这个值是未知的？...R转换了类型，但不知道是个啥，所以返回了NA。NA也有数值型NA和字符型NA。...没出现返回FALSE，出现返回TRUE。所以重复的元素，第一次出现返回FALSE，后面的重复都返回TRUE。...[1] FALSE FALSE FALSE TRUE> table(x) #重复值统计x1 3 5 #第一行返回向量中的取值（去重后的向量元素）2 1 1 #第二行返回每个元素的重复次数> sort...%in%返回的逻辑值向量与该符号前面向量中的每个元素一一对应。

4K5 1

PCAtools--主成分分析，有它就够了！

= c('ER-', 'ER+')) metadata$GGI <- as.numeric(metadata$GGI) metadata$Grade <- factor(gsub('\\?'..., NA, metadata$Grade), levels=c(1,2,3)) metadata$Grade <- gsub(1, 'Grade 1', gsub(2, 'Grade 2', gsub(...2', 'Grade 3')) metadata$Size <- as.numeric(metadata$Size) metadata$Time.RFS <- as.numeric(gsub('^KJX...|^KJ', NA, metadata$Time.RFS)) #从pdata中删除含NA值的样本 discard <- apply(metadata, 1, function(x) any(is.na(...ellipseLevel = 0.95, ellipseFill = TRUE, ellipseAlpha = 1/4, ellipseLineSize = 1.0

3.8K3 1

R语言笔记-1

F NA 变量赋值 string = "hello,world" string <- "hello,word" 比较运算比较运算的返回值是逻辑值TURE 、FALSE > 大于 < 小于 >=...FALSE相互转换数据类型的判断和转换 #是否为数值型数据 is.numeric() #是否为逻辑型数据 is.logical() #是否为字符型数据 is.character() #转换为数值型数据 as.numeric...（） #转换为逻辑值数据 as.logical() #转换为字符型 as.character() 字符型数据转换为数值型NA 字符型数据转换为逻辑型NA 数值型数据转换为逻辑型，数值非0即为TRUE，0...#向量中数字的随机生成 rnorm(n=3) #向量之间的组合 paste0(rep("a",3),1:3) 输出结果：图片 #向量的简单计算 x = c(1,2,3,4) x+1 log(x) #返回以...# %in%的使用 x %in% y #x的每个元素在y中存在吗，返回一组逻辑值 y %in% x #y的每个元素在x中存在吗，返回一组逻辑值输出结果：图片 %in%是将前者依次取出，与后者中所含有的元素进行比对

8046 0

R语言代做编程辅导COMP 226: Computer-based trading in financial markets（附答案）

"A","B","C"), stringsAsFactors=F) > df a b 1 1 A 2 2 B 3 3 C部分解答pricer <- function(infile,outfile...NA),Type=c(NA),OrderId=c(NA),Side=c(NA),Price=c(NA),Size=c(NA)) Bbook=data.frame(Timestamp=c(NA),Type...=c(NA),OrderId=c(NA),Side=c(NA),Price=c(NA),Size=c(NA)) Sbook<- Sbook[-1,] Bbook<- Bbook[-1,] flag1...=TRUE){ Sbook[reduceS,"Size"]=as.numeric(Sbook[reduceS,"Size"])-as.numeric(trade[i,"Size"])...Order-Id"]==trade[i,"Order-Id"]) Bbook[reduceB,"Size"]=as.numeric(Bbook[reduceB,"Size"])-as.numeric

3090 0

R学习笔记(4): 使用外部数据

，甚至可以把对象作为元素；数据框允许每列使用不同类型的元素。...对于两个有相同列的数据框，可以用merge()函数进行合并，可以指定安装哪一个列进行合并： > x <- data.frame(k1 = c(NA,NA,3,4,5), k2 = c(1,NA,NA,4,5...), data = 1:5) > y <- data.frame(k1 = c(NA,2,NA,4,5), k2 = c(NA,NA,3,4,5), data = 1:5) > x k1 k2 data...SYSTEM TABLE NA 3 C:\\bdr NA Sheet3$ SYSTEM TABLE NA 4 C:\\bdr...c ',C,' file.dat")) > totalrows <- as.numeric(strsplit(system("wc -l Week.txt", intern=T), split=" ")

1.8K7 0

40. R 数据整理（十一：用purrr包实现更花样的匿名函数使用）

fixed=TRUE), ~ sum(as.numeric(.)))...取出不存在的成员会出错，但可以用一个.default选项指定查找不到成员时的选项，如： map_chr(od, "birth", .default=NA) ## [1] NA "...detect detect(.x, .p)返回数据.x的元素中第一个用.p判断为真的元素值，而detect_index(.x, .p)返回第一个为真的下标值。...返回向量中的第一个超过100的元素的值： detect(c(1, 5, 77, 105, 99, 123), ~ . >= 100) ## [1] 105 返回向量中的第一个超过100的元素的下标：....p判断为真的元素的子集；discard(.x, .p)返回不满足条件的元素子集。

2.5K3 0

R基础（一）

命令行出现 + ，把光标放在控制台按esc 退出或补齐代码数据类型：数值型（numeric）字符型（character）“a” 'a' 逻辑型（logical） TURE, FALSE, NA...class() 判断数据类型 NULL意思是返回值为空 is.na("NA") 1 FALSE class("a") 1 "character" class(TRUE) 1 "logical...is 族函数，判断返回逻辑值 is.numeric() 是否数值型数据 is.logical() 是否逻辑型数据 is.character() 是否字符型数据 as 族函数实现数据类型之间的转换...as.numeric() 转换为数值型数据 as.logical() 转换为逻辑型数据 as.character() 转换为字符型数据不是所有数据都可以转换数据类型的，例如字符 jimmy...不能转换为数值型 as.numeric("jimmy") 1 NA Warning message: NAs introduced by coercion

3051 0

批量COX回归生存分析图，指定挑选lncRNA基因，森林图，ROC曲线打包给你

race <- str_split(pheno$race, ' ', simplify = T)[, 1] table(pheno$race) ## OS.time pheno[, 137][is.na...(pheno[,137])] = 0 pheno[, 138][is.na(pheno[, 138])] = 0 pheno$OS.days <- as.numeric(pheno[, 137]) +...0.10, 0.22, 0.4), fontsize = 1.0, refLabel = "1", noDigits = 4) ?..."High", "Low"), pval = TRUE, conf.int = TRUE, palette = "jco",...20, 60), ROC = TRUE, iid = TRUE) ) plot(ROC, time = 60, col

6.5K2 1

gghalves包-你五毛我五毛

., side = "l", nudge = 0, draw_quantiles = NULL, trim = TRUE, scale = "area", na.rm = FALSE, show.legend...= NA, inherit.aes = TRUE) 其参数包括：翻译来源生信玩家[2] 参数解释 mapping 通过aes()指定图形属性映射。...na.rm 如果为FALSE（默认），则会使用警告删除缺失值。如果为TRUE，则会自动删除缺少的值。...show.legend 逻辑值，默认为NA，若为FALSE，不显示该图层的图例；若为TRUE，则显示该图层的图例。它也可以是带有名称（图形属性）的逻辑向量，用来选择要显示的图形属性。...如show.legend = c(size = TRUE,color = FALSE)表示显示size对应的图例，而不显示color对应的图例。

1.1K4 0

R Programming-Week 1-Data Types

1.7, "a") ##character > y <- c(TRUE, 2) ## numeric > y <- c("a", TRUE) ##character When different objects...from oneclass to another using the as.* functions, if available. > x <- 0:6 > class(x) [1] "integer" > as.numeric...0" "1""2" "3" "4" "5" "6" Nonsensical coercion results in NAs. > x <- c("a","b", "c") > as.numeric(x)...A NaNvalue is also NA but the converse is not true > x <- c(1, 2, NA, 10, 3) > is.na(x) [1] FALSE FALSE...TRUE FALSE FALSE > is.nan(x) [1] FALSE FALSE FALSE FALSE FALSE > x <- c(1, 2, NaN,NA, 4) > is.na(x)

3391 0

【基础】R语言2：数据结构

#访问向量第一个值 x[-19] #不输出第19个元素x[c(4:18)] #输出x中第4-18个元素x[c(1,2,3,4,5)] #输出x中第1,2,3,4,5个元素逻辑向量索引...FALSE逻辑，整个向量值均为FALSEy[c(T,F)] #循环使用TRUE,FALSE逻辑，按顺序进行判断#如果T,F数量多于向量值的数量，会输出NA缺失值y[y>5 & y<9]6 7 8--...<- z %in% c("one","two") #k <- c(TRUE,TRUE,FALSE)z[k] #z[TRUE,TRUE,FALSE]"one","two"名称索引y <- c(1,2,3,4,5...= TRUE), labels, exclude = NA, ordered = FALSE) #levels：自行指定各水平值, 不指定时由x的不同值来求得 #labels：指定各水平的标签..., 不指定时用各水平值的对应字符串 #exclude：指定要转换为缺失值(NA)的元素值集合 #ordered：取真值时表示因子水平是有次序的(按编码次序)cut()函数连续取值的变量，可以用cut()

1011 0

「R」RTCGA包安装与使用

该函数会返回一个列表，其中每个成员都是一个"DGEResult"对象。...基因表达与拷贝数之间的相关性 getCNGECorrelation 函数返回拷贝数与基因表达数据之间的相关系数和矫正p值。...), Time=as.numeric(clinicData[,3]), Censor=as.numeric(clinicData[,1])) getSurvival(dataObject=RTCGASample..., RNAseq_Gene=TRUE, mRNA_Array=TRUE, Mutation=TRUE) # Differential gene expression analysis for gene...), Time=as.numeric(clinicData[,3]), Censor=as.numeric(clinicData[,1])) getSurvival(dataObject=brcaData

1.3K1 0

R语言基础教程——第3章：数据结构——因子

因子是一个向量，通常情况下，每个元素都是字符类型，也有其他数据类型的元素。...如果把其他字符串添加到gender列中，R会抛出警告消息，并把错误赋值的元素设置为NA，例如： > student$Gender[1]<- "female" Warning message: In `[...<-.factor`(`*tmp*`, 1, value = c(NA, 2L, 1L)) : invalid factor level, NA generated ?...'f','m','f','f','m'),levels=c('f','m'),labels=c('female','male'),ordered=TRUE) > is.ordered(sex) [1]...> sex <- factor(c('f','m','f','f','m'),levels=c('f','m'),ordered=TRUE) > sex [1] f m f f m Levels: f

4.1K3 0

使用作者代码重复结果

(rowMeans(expr_raw,na.rm=TRUE)) sd_expr_raw<-rowSds(as.matrix(expr_raw),na.rm=TRUE) cv_squared_expr_raw...(rowMeans(expr_raw_ercc,na.rm=TRUE)) sd_expr_raw_ercc<-rowSds(as.matrix(expr_raw_ercc),na.rm=TRUE) cv_squared_expr_raw_ercc...filtered_expr_raw=pred_expr_raw,] filtered_expr_raw<-filtered_expr_raw[grepl("NA..."#FFFF00", "#FFD000","#FF0000","#360101"), limits=c(0,14))+ scale_fill_gradientn(colors = c("#FFFF00...heatmap_genes_population.pdf") heatmap.2(as.matrix(RPKM_heatmap),ColSideColors = as.character(popul.col), tracecol = NA

1.7K3 0

R语言学习笔记-Day 2

"c" "TRUE" "FALSE"z <- c(1,2,3,4,TRUE,FALSE);z1 1 2 3 4 1 0A <- c(1,2,3,4,TRUE,FALSE);A1 1 2 3 4...1 0a <- c(1,0,1,TRUE,FALSE);a1 1 0 1 1 0#字符型+数值型/逻辑型=字符型；数值型+逻辑型=数值型（TRUE=1，FALSE=0，NULL=空，NA=NA）；转换原则..."a","b","c","d"),each=3);k21 "a" "a" "a" "b" "b" "b" "c" "c" "c" "d" "d" "d"boxplot(k1~k2)*补充信息并非所有NA...*数据类型的判断和转换is族函数，判断，返回值为TRUE或FALSEis.numeric(4) - TRUEis.character(a) - FALSEis.logical()格式和内容都很重要as族函数实现数据类型之间的转换...as.numeric/logical/character()：将数据转换为数字/逻辑/字符型*多个数据如何组织？

1280 0

R的数据

FALSE NA 可以看出，字符型数据是在双引号或单引号中括起来的内容；数值型就是数字；逻辑型包括三个TRUE，FALSE和NA。...判断是否是字符型 is.numeric() 判断是否是数值型 is.logical() 判断是否是逻辑型如果想一种数据类型转换为另一种，可以用as族函数 as.character() as.numeric...() as.logical() 有些类型无法互相转换，比如说字符型转数字型，会返回NA 比较运算 >,=，==，！...= 大于，小于，小于等于，大于等于，等于，不等于可用于判断两个数据的大小关系，返回逻辑值逻辑运算或&：都是TRUE为TRUE，只要有一个是FALSE就为...：取反返回结果为逻辑值 > 3>6|10>7 [1] TRUE > 3>6&10>7 [1] FALSE > !(3>6&10>7) [1] TRUE

3651 0

数据处理基础—数据类型了解一下

： as.numeric("H") ## Warning: NAs introduced by coercion ## [1] NA 上面我们试图将由双引号标识的“字符”数据强制转换为无意义的数字数据，...因此，当存储具有重复元素的字符串向量时，更有效地办法是将每个元素分配给整数并将向量存储为整数和附加的字符串与整数关联的表格中。因此，默认情况下，R将读取数据表的文本列作为因子。...，那么在强制转换为数值之前必须将因子转换回字符串： x = c("20", "25", "23", "38", "20", "40", "25", "30") x = factor(x) as.numeric...x = c("Hello", 5, TRUE) x ## [1] "Hello" "5" "TRUE" class(x) ## [1] "character" 在这里，我们尝试将字符，数字和逻辑数据放入单个向量中...列表的每个元素可以是任何其他R对象：任何类型的数据，任何数据结构，甚至其他列表或函数。

2.6K1 0

TCGA癌症数据挖掘之预后模型建立和评价

(is.na(meta$OS.time)|is.na(meta$OS));table(k2) meta = meta[k1&k2,] # 选择有用的列 tmp = data.frame(colnames..."]=NA 3.实现表达矩阵与临床信息的匹配有的病人会有两个或两个以上的肿瘤样本，就有重复。...conf.int =TRUE) 连续型信息怎么作KM分析？...survfit(Surv(time, event)~group, data=meta) ggsurvplot(sfit,pval =TRUE, data = meta, risk.table = TRUE...= na.omit(dat) vl <- colnames(dat2)[c(5:ncol(dat2))] # My.stepwise.coxph(Time = "time", #

5.2K5 2

点击加载更多

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭