问题
你想正确处理NULL、NA （Not Available）、NaN（Not a Number）。
方案
你的数据有时将会存在NULL、NA 、NaN。处理这些数据有些不同于”正常”值，并可能需要确定性测试。
以下是这些值相比较的例子：
x <- NULL
x > 5
# logical(0)
y <- NA
y > 5
# NA
z <- NaN
z > 5
# NA
如何测试某个变量是否是其中的一个值：
is.null(x)
# TRUE
is.na(y)
# TRUE
is.nan(z)
# TRUE
注意，NULL不同于其他两个。NULL意味着没有值，而NA和NaN表示有值，尽管也许是不可用的。下面有一个例子区分：
# Is y null?
is.null(y)
# FALSE
# Is x NA?
is.na(x)
# logical(0)
# Warning message:
# In is.na(x) : is.na() applied to non-(list or vector) of type 'NULL'
第一个例子，检查y是否是NULL，结果y并不是；第二个例子，试图检查x是否是NA，但并没有值被检测。
忽视向量汇总函数中的“坏”值
如果你对包含NA或NaN的向量使用诸如mean()或sum()之类的函数，结果将返回NA和NaN，这通常没有任何意义，虽然这样的结果会提醒你有“坏”值的存在。许多函数都有na.rm可以将这些值忽略。
vy <- c(1, 2, 3, NA, 5)
# 1 2 3 NA 5
mean(vy)
# NA
mean(vy, na.rm=TRUE)
# 2.75
vz <- c(1, 2, 3, NaN, 5)
# 1 2 3 NaN 5
sum(vz)
# NaN
sum(vz, na.rm=TRUE)
# 11
# NULL不是问题，因为它不存在
vx <- c(1, 2, 3, NULL, 5)
# 1 2 3 5
sum(vx)
# 11
从向量中移除”坏值“
使用is.na()或is.nan()的反向函数，可以将这些值移除。
vy
# 1 2 3 NA 5
vy[!is.na(vy)]
# 1 2 3 5
vz
# 1 2 3 NaN 5
vz[!is.nan(vz)]
# 1 2 3 5
注意
也有无限值Inf和-Inf，及其相应的函数is.finite()和is.infinite()。
见/Manipulating data/Comparing vectors or factors with NA
原文链接：http://www.cookbook-r.com/Basics/Working_with_NULL_NA_and_NaN/
