各位好，本人是r的初学者。我想要取training set 和test set，但是在取test set时遇到了问题：test set取出来的值都为na，可是training set表现很正常。拜托各位大神了！谢谢！！
下面是我的code：（有问题部分已标红）

pima=read.table('Pima_Indians_Data.txt',sep = ",", header = TRUE)
#View(pima)
summary(pima)
## What to do with NAs?
sum(is.na(pima))
##there is no NAs in the dataset, but there are lots of unreasonable 0.
##change class to factor variable
pima$Class <- as.factor(pima$Class)
##change all unreasonable 0 to NA and then remove all NAs
pima$Plasma.glucose.concentration[pima$Plasma.glucose.concentration==0] =NA
pima$Diastolic.Blood.Pressure[pima$Diastolic.Blood.Pressure==0] =NA
pima$Triceps.skin.fold.thickness[pima$Triceps.skin.fold.thickness==0] =NA
pima$Two.hour.serum.insulin[pima$Two.hour.serum.insulin==0] =NA
pima$BMI [pima$BMI ==0] =NA

library(dplyr)
pima <- pima %>% group_by(Age) %>% mutate(BMI=ifelse(is.na(BMI),mean(BMI,na.rm=T),BMI))
pima <- as.data.frame(pima %>% group_by(Age,BMI) %>% mutate(Plasma.glucose.concentration=ifelse(is.na(Plasma.glucose.concentration),mean(Plasma.glucose.concentration,na.rm=T),Plasma.glucose.concentration),
                                              Diastolic.Blood.Pressure=ifelse(is.na(Diastolic.Blood.Pressure),mean(Diastolic.Blood.Pressure,na.rm=T),Diastolic.Blood.Pressure),
                                              Triceps.skin.fold.thickness=ifelse(is.na(Triceps.skin.fold.thickness),mean(Triceps.skin.fold.thickness,na.rm=T),Triceps.skin.fold.thickness),
                                              Two.hour.serum.insulin=ifelse(is.na(Two.hour.serum.insulin),mean(Two.hour.serum.insulin,na.rm=T),Two.hour.serum.insulin)))
pima <- as.data.frame(pima %>% group_by(Age) %>% mutate(Plasma.glucose.concentration=ifelse(is.na(Plasma.glucose.concentration),mean(Plasma.glucose.concentration,na.rm=T),Plasma.glucose.concentration),
                                                            Diastolic.Blood.Pressure=ifelse(is.na(Diastolic.Blood.Pressure),mean(Diastolic.Blood.Pressure,na.rm=T),Diastolic.Blood.Pressure),
                                                            Triceps.skin.fold.thickness=ifelse(is.na(Triceps.skin.fold.thickness),mean(Triceps.skin.fold.thickness,na.rm=T),Triceps.skin.fold.thickness),
                                                            Two.hour.serum.insulin=ifelse(is.na(Two.hour.serum.insulin),mean(Two.hour.serum.insulin,na.rm=T),Two.hour.serum.insulin)))
pima <- as.data.frame(pima %>% group_by(BMI) %>% mutate(Plasma.glucose.concentration=ifelse(is.na(Plasma.glucose.concentration),mean(Plasma.glucose.concentration,na.rm=T),Plasma.glucose.concentration),
                                                            Diastolic.Blood.Pressure=ifelse(is.na(Diastolic.Blood.Pressure),mean(Diastolic.Blood.Pressure,na.rm=T),Diastolic.Blood.Pressure),
                                                            Triceps.skin.fold.thickness=ifelse(is.na(Triceps.skin.fold.thickness),mean(Triceps.skin.fold.thickness,na.rm=T),Triceps.skin.fold.thickness),
                                                            Two.hour.serum.insulin=ifelse(is.na(Two.hour.serum.insulin),mean(Two.hour.serum.insulin,na.rm=T),Two.hour.serum.insulin)))

sum(is.na(pima))

pima <- pima[complete.cases(pima), ]

str(pima)
##create a training set and a test set
str(pima)
set.seed(12345)
pima_rand <- pima[order(runif(700)), ]
pima_train <- pima_rand[1:700, ]
pima_test  <- pima_rand[701:766, ]
str(pima_train)
##'data.frame':        700 obs. of  9 variables:
$ Num.times.pregnant          : int  1 0 4 3 5 7 4 7 4 1 ...
$ Plasma.glucose.concentration: num  189 95 127 158 158 83 97 150 117 91 ...
$ Diastolic.Blood.Pressure    : num  60 80 88 76 84 78 60 78 64 54 ...
$ Triceps.skin.fold.thickness : num  23 45 11 36 41 26 23 29 27 25 ...
$ Two.hour.serum.insulin      : num  846 92 155 245 210 ...
$ BMI                         : num  30.1 36.5 34.5 31.6 39.4 29.3 28.2 35.2 33.2 25.2 ...
$ Diabetes.pedigree.function  : num  0.398 0.33 0.598 0.851 0.395 0.767 0.443 0.692 0.23 0.234 ...
$ Age                         : int  59 26 28 28 29 36 22 54 24 23 ...
$ Class                       : Factor w/ 2 levels "0","1": 2 1 1 2 2 1 1 2 1 1 ...
str(pima_test)
##'data.frame':        66 obs. of  9 variables:
$ Num.times.pregnant          : int  NA NA NA NA NA NA NA NA NA NA ...
$ Plasma.glucose.concentration: num  NA NA NA NA NA NA NA NA NA NA ...
$ Diastolic.Blood.Pressure    : num  NA NA NA NA NA NA NA NA NA NA ...
$ Triceps.skin.fold.thickness : num  NA NA NA NA NA NA NA NA NA NA ...
$ Two.hour.serum.insulin      : num  NA NA NA NA NA NA NA NA NA NA ...
$ BMI                         : num  NA NA NA NA NA NA NA NA NA NA ...
$ Diabetes.pedigree.function  : num  NA NA NA NA NA NA NA NA NA NA ...
$ Age                         : int  NA NA NA NA NA NA NA NA NA NA ...
$ Class                       : Factor w/ 2 levels "0","1": NA NA NA NA NA NA NA NA NA NA ...