R语言如何筛选某列缺失值数据

在 R 语言中，筛选某一列的缺失值（NA 或者 `is.na()`）通常使用 `is.na()` 函数配合数据框或向量操作。以下是几种常见的方法：

1. **对于数据框（data frame）**：

   df_with_missing <- data.frame(col1 = c(1, 2, NA), col2 = c("a", "b", "c"))
   # 筛选特定列的缺失值
   missing_values_df <- df_with_missing[is.na(df_with_missing$col1), ]

2. **对于向量（vector）**：

   vec <- c(1, 2, NA)
   # 筛选出向量中的缺失值
   missing_values_vec <- vec[is.na(vec)]

3. **使用 `complete.cases()` 函数**：
这个函数会返回一个逻辑向量，如果对应的元素不是缺失，则为 `TRUE`，否则为 `FALSE`。你可以用它来过滤掉缺失值：

   complete_cases_df <- df_with_missing[complete.cases(df_with_missing$col1), ]

4. **结合 `dplyr` 包**：
如果你正在使用 `dplyr` 库，可以更简洁地完成此操作：

   library(dplyr)
   df_with_missing %>%
     filter(is.na(col1))

相关问题：
1. `is.na()` 函数的作用是什么？
2. 如何用 `dplyr` 包进行复杂条件的筛选？
3. `complete.cases()` 函数在处理缺失值时有何优势？