缺失值

Julia 支持表示统计意义上的缺失值,即某个变量在观察中没有可用值,但在理论上存在有效值的情况。缺失值由 missing 对象表示,该对象是 Missing 类型的唯一实例。missing 等价于 SQL 中的 NULL) 以及 R 中的 NA,并在大多数情况下表现得与它们一样。

缺失值的传播

missing 值会自动在标准数学运算符和函数中传播。对于这类函数,其某个运算对象的值的不确定性会导致其结果的不确定性。在应用中,上述情形意味着若在数学操作中包括 missing 值,其结果也常常返回 missing 值。

  1. julia> missing + 1
  2. missing
  3. julia> "a" * missing
  4. missing
  5. julia> abs(missing)
  6. missing

由于missing 是 Julia 中的正常对象,此传播规则仅在可实现该对象的函数中应用。这可通过定义包含 Missing 类的实参的特定方法,或是简单地让函数可接受此类实参,并将该它们传入已具备传播规则的函数(如标准数学运算符)中实现。在包中定义新传播规则时,应考虑缺失值的传播是否具有实际意义,并在传播有意义时定义合适的方法。在某个不包含接受 Missing 类实参方法的函数中传递缺失值,则抛出 MethodError的报错,正如其它类型一样。

若希望函数不传播缺失值,可将其按照 Missings.jl 库中的 passmissing 函数封装起来。例如,将 f(x) 封装为 passmissing(f)(x)

相等和比较运算符

标准相等和比较运算符遵循上面给出的传播规则:如果任何操作数是 missing,那么结果是 missing。这是一些例子

  1. julia> missing == 1
  2. missing
  3. julia> missing == missing
  4. missing
  5. julia> missing < 1
  6. missing
  7. julia> 2 >= missing
  8. missing

特别要注意,missing == missing 返回 missing,所以 == 不能用于测试值是否为缺失值。要测试 x 是否为 missing,请用 ismissing(x)

特殊的比较运算符 isequal\=== 是传播规则的例外:它们总返回一个 Bool 值,即使存在 missing 值,并认为 missingmissing 相等且其与任何其它值不同。因此,它们可用于测试某个值是否为 missing

  1. julia> missing === 1
  2. false
  3. julia> isequal(missing, 1)
  4. false
  5. julia> missing === missing
  6. true
  7. julia> isequal(missing, missing)
  8. true

isless 运算符是另一个例外:missing 被认为比任何其它值大。此运算符被用于 sort,因此 missing 值被放置在所有其它值之后。

  1. julia> isless(1, missing)
  2. true
  3. julia> isless(missing, Inf)
  4. false
  5. julia> isless(missing, missing)
  6. false

逻辑运算符

逻辑(或布尔)运算符 |&xor 是另一种特殊情况,因为它们只有在逻辑上是必需的时传递 missing 值。对于这些运算符来说,结果是否不确定取决于具体操作,其遵循三值逻辑的既定规则,这些规则也由 SQL 中的 NULL 以及 R 中的 NA 实现。这个抽象的定义实际上对应于一系列相对自然的行为,这最好通过具体的例子来解释。

让我们用逻辑「或」运算符 | 来说明这个原理。按照布尔逻辑的规则,如果其中一个操作数是 true,则另一个操作数对结果没影响,结果总是 true

  1. julia> true | true
  2. true
  3. julia> true | false
  4. true
  5. julia> false | true
  6. true

基于观察,我们可以得出结论,如果其中一个操作数是 true 而另一个是 missing,我们知道结果为 true,尽管另一个参数的实际值存在不确定性。如果我们能观察到第二个操作数的实际值,那么它只能是 truefalse,在两种情况下结果都是 true。因此,在这种特殊情况下,值的缺失不会传播

  1. julia> true | missing
  2. true
  3. julia> missing | true
  4. true

相反地,如果其中一个操作数是 false,结果可能是 truefalse,这取决于另一个操作数的值。因此,如果一个操作数是 missing,那么结果也是 missing

  1. julia> false | true
  2. true
  3. julia> true | false
  4. true
  5. julia> false | false
  6. false
  7. julia> false | missing
  8. missing
  9. julia> missing | false
  10. missing

逻辑「且」运算符 & 的行为与 | 运算符相似,区别在于当其中一个操作数为 false 时,值的缺失不会传播。例如,当第一个操作数是 false

  1. julia> false & false
  2. false
  3. julia> false & true
  4. false
  5. julia> false & missing
  6. false

另一方面,当其中一个操作数为 true 时,值的缺失会传播,例如,当第一个操作数是 true

  1. julia> true & true
  2. true
  3. julia> true & false
  4. false
  5. julia> true & missing
  6. missing

最后,逻辑「异或」运算符 xor 总传播 missing 值,因为两个操作数都总是对结果产生影响。还要注意,否定运算符 ! 在操作数是 missing 时返回 missing,这就像其它一元运算符。

流程控制和短路运算符

流程控制操作符,包括 ifwhile三元运算符 x ? y : z,不允许缺失值。这是因为如果我们能够观察实际值,它是 true 还是 false 是不确定的,这意味着我们不知道程序应该如何运行。一旦在以下上下文中遇到 missing 值,就会抛出 TypeError

  1. julia> if missing
  2. println("here")
  3. end
  4. ERROR: TypeError: non-boolean (Missing) used in boolean context

出于同样的原因,并与上面给出的逻辑运算符相反,短路布尔运算符 &&|| 在当前操作数的值决定下一个操作数是否求值时不允许 missing 值。例如

  1. julia> missing || false
  2. ERROR: TypeError: non-boolean (Missing) used in boolean context
  3. julia> missing && false
  4. ERROR: TypeError: non-boolean (Missing) used in boolean context
  5. julia> true && missing && false
  6. ERROR: TypeError: non-boolean (Missing) used in boolean context

另一方面,如果无需 missing 值即可确定结果,则不会引发错误。代码在对 missing 操作数求值前短路,以及 missing 是最后一个操作数都是这种情况。

  1. julia> true && missing
  2. missing
  3. julia> false && missing
  4. false

包含缺失值的数组

包含缺失值的数组的创建就像其它数组

  1. julia> [1, missing]
  2. 2-element Vector{Union{Missing, Int64}}:
  3. 1
  4. missing

如此示例所示,此类数组的元素类型为 Union{Missing, T},其中 T 为非缺失值的类型。这简单地反映了以下事实:数组条目可以具有类型 T(此处为 Int64)或类型 Missing。此类数组使用高效的内存存储,其等价于一个 Array{T} 和一个 Array{UInt8} 的组合,前者保存实际值,后者表示条目类型(即它是 Missing 还是 T)。

允许缺失值的数组可以使用标准语法构造。使用 Array{Union{Missing, T}}(missing, dims) 来创建填充缺失值的数组:

  1. julia> Array{Union{Missing, String}}(missing, 2, 3)
  2. 2×3 Matrix{Union{Missing, String}}:
  3. missing missing missing
  4. missing missing missing

Note

使用 undefsimilar 目前可能会给出一个填充有 missing 的数组,但这不是获得这样一个数组的正确方法。 请使用如上所示的 missing 构造函数。

允许但不包含 missing 值的数组可使用 convert 转换回不允许缺失值的数组。如果该数组包含 missing 值,在类型转换时会抛出 MethodError

  1. julia> x = Union{Missing, String}["a", "b"]
  2. 2-element Vector{Union{Missing, String}}:
  3. "a"
  4. "b"
  5. julia> convert(Array{String}, x)
  6. 2-element Vector{String}:
  7. "a"
  8. "b"
  9. julia> y = Union{Missing, String}[missing, "b"]
  10. 2-element Vector{Union{Missing, String}}:
  11. missing
  12. "b"
  13. julia> convert(Array{String}, y)
  14. ERROR: MethodError: Cannot `convert` an object of type Missing to an object of type String

跳过缺失值

由于 missing 会随着标准数学运算符传播,归约函数会在调用的数组包含缺失值时返回 missing

  1. julia> sum([1, missing])
  2. missing

在这种情况下,使用 skipmissing 即可跳过缺失值

  1. julia> sum(skipmissing([1, missing]))
  2. 1

此函数方便地返回一个可高效滤除 missing 值的迭代器。因此,它可应用于所有支持迭代器的函数

  1. julia> x = skipmissing([3, missing, 2, 1])
  2. skipmissing(Union{Missing, Int64}[3, missing, 2, 1])
  3. julia> maximum(x)
  4. 3
  5. julia> mean(x)
  6. 2.0
  7. julia> mapreduce(sqrt, +, x)
  8. 4.146264369941973

通过在某数组中调用 skipmissing 生成的对象能以其在所属数组中的位置进行索引。对应缺失值的指标并不有效,若尝试使用之会丢出报错(它们在 keyseachindex 中同样是被跳过的)。

  1. julia> x[1]
  2. 3
  3. julia> x[2]
  4. ERROR: MissingException: the value at index (2,) is missing
  5. [...]

这允许对索引进行操作的函数与skipmissing结合使用。搜索和查找函数尤其如此,它们返回对skipmissing 函数返回的对象有效的索引,这些索引也是在父数组中匹配条目的索引。

  1. julia> findall(==(1), x)
  2. 1-element Vector{Int64}:
  3. 4
  4. julia> findfirst(!iszero, x)
  5. 1
  6. julia> argmax(x)
  7. 1

使用 collect 提取非 missing 值并将它们存储在一个数组里

  1. julia> collect(x)
  2. 3-element Vector{Int64}:
  3. 3
  4. 2
  5. 1

数组上的逻辑运算

上面描述的逻辑运算符的三值逻辑也适用于针对数组的函数。因此,使用 \== 运算符的数组相等性测试中,若在未知 missing 条目实际值时无法确定结果,就返回 missing。在实际应用中意味着,在待比较数组中所有非缺失值都相等,且某个或全部数组包含缺失值(也许在不同位置)时会返回 missing

  1. julia> [1, missing] == [2, missing]
  2. false
  3. julia> [1, missing] == [1, missing]
  4. missing
  5. julia> [1, 2, missing] == [1, missing, 2]
  6. missing

对于单个值,isequal 会将 missing 值视为与其它 missing 值相等但与非缺失值不同。

  1. julia> isequal([1, missing], [1, missing])
  2. true
  3. julia> isequal([1, 2, missing], [1, missing, 2])
  4. false

函数 anyall 遵循三值逻辑的规则,会在结果无法被确定时返回 missing

  1. julia> all([true, missing])
  2. missing
  3. julia> all([false, missing])
  4. false
  5. julia> any([true, missing])
  6. true
  7. julia> any([false, missing])
  8. missing