数据完整性

在探索数据集的过程中，您有时会遇到一些情况，从而质疑数据是如何整理出来的。比如，变量 num_char 表示邮件中的字符数（以千为单位），因此它可以为小数，但显然不应为负数。

您可以设计一个测试，确保该变量的表现符合预期：

email$num_char < 0

如果在控制台运行这段代码，您会得到一个很长的逻辑值向量，指示数据集中每个样本该条件是否为 TRUE。这里，前 1000 个值似乎全是 FALSE。要验证是否「所有」样本的 num_char 都是非负值，可以对这个向量取「和」：

sum(email$num_char < 0)

这是一个很实用的捷径。当对逻辑值做算术运算时，R 会把 TRUE 当作 1、FALSE 当作 0。由于整个向量的和为 0，您就知道数据集里的每个样本在该测试中都取了 FALSE。也就是说，num_char 列的表现符合预期，只取非负值。