> is.na(leadership[,6:10])

q1 q2 q3 q4 q5

[1,] FALSE FALSE FALSE FALSE FALSE

[2,] FALSE FALSE FALSE FALSE FALSE

[3,] FALSE FALSE FALSE FALSE FALSE

[4,] FALSE FALSE FALSE TRUE TRUE

[5,] FALSE FALSE FALSE FALSE FALSE

这里的leadership[,6:10]将数据框限定到第6列至第10列，接下来is.na()识别出了缺

失值。

当你在处理缺失值的时候，你要一直记得两件重要的事情。第一，缺失值被认为是不可比较

的，即便是与缺失值自身的比较。这意味着无法使用比较运算符来检测缺失值是否存在。例如，

逻辑测试myvar == NA的结果永远不会为TRUE。作为替代，你只能使用处理缺失值的函数（如

本节中所述的那些）来识别出R数据对象中的缺失值。

第二， R 并不把无限的或者不可能出现的数值标记成缺失值。再次地，这和其余像SAS之类

类似的程序处理这类数值的方式所不同。正无穷和负无穷分别用Inf和–Inf所标记。因此5/0返

回Inf。不可能的值（比如说， sin(Inf)）用NaN符号来标记（not a number，不是一个数）。若

要识别这些数值，你需要用到is.infinite()或is.nan()。