Как расширить поведение `==` к векторам, которые содержат NA?

Я полностью не смог найти другую r-help или Stack Переполнение обсуждения этой конкретной проблемы. Извините, если это где-то очевидно. Я считаю, что я просто ищу самый простой способ получить знак R ==, чтобы никогда не возвращать NA.

# Example #

# Say I have two vectors
a <- c( 1 , 2 , 3 )
b <- c( 1 , 2 , 4 )
# And want to test if each element in the first
# is identical to each element in the second:
a == b
# It does what I want perfectly:
# TRUE TRUE FALSE

# But if either vector contains a missing,
# the `==` operator returns an incorrect result:
a <- c( 1 , NA , 3 ) 
b <- c( 1 , NA , 4 )
# Here I'd want   TRUE TRUE FALSE
a == b
# But I get TRUE NA FALSE

a <- c( 1 , NA , 3 ) 
b <- c( 1 , 2 , 4 )
# Here I'd want   TRUE FALSE FALSE
a == b
# But I get TRUE NA FALSE again.

Я получаю результат, который я хочу:

mapply( `%in%` , a , b )

Но mapply кажется мне тяжелым.

Есть ли более интуитивное решение?

ОТВЕТЫ

Ответ 1

Другой вариант, но лучше, чем mapply('%in%', a, b):

(!is.na(a) & !is.na(b) & a==b) | (is.na(a) & is.na(b))

Следуя предложению @AnthonyDamico, создание оператора "mutt":

"%==%" <- function(a, b) (!is.na(a) & !is.na(b) & a==b) | (is.na(a) & is.na(b))

Изменение: или, немного другую и более короткую версию @Frank (что также более эффективно)

"%==%" <- function(a, b) (is.na(a) & is.na(b)) | (!is.na(eq <- a==b) & eq)

С различными примерами:

a <- c( 1 , 2 , 3 )
b <- c( 1 , 2 , 4 )
a %==% b
# [1]  TRUE  TRUE FALSE

a <- c( 1 , NA , 3 )
b <- c( 1 , NA , 4 )
a %==% b
# [1]  TRUE  TRUE FALSE

a <- c( 1 , NA , 3 )
b <- c( 1 , 2 , 4 )
a %==% b
#[1]  TRUE FALSE FALSE

a <- c( 1 , NA , 3 )
b <- c( 3 , NA , 1 )
a %==% b
#[1] FALSE  TRUE FALSE

Ответ 2

Вы можете попробовать

replace(a, is.na(a), Inf)==replace(b, is.na(b), Inf)

Или более быстрый вариант, предложенный @docendo discimus

replace(a, which(is.na(a)), Inf)==replace(b, which(is.na(b)), Inf)

На основе различных сценариев

1.

a <- c( 1 , 2 , 3 )
b <- c( 1 , 2 , 4 )
akrun1()
#[1]  TRUE  TRUE FALSE

2.

 a <- c( 1 , NA , 3 ) 
 b <- c( 1 , NA , 4 )
 akrun1()
 #[1]  TRUE  TRUE FALSE

3.

 a <- c( 1 , NA , 3 ) 
 b <- c( 1 , 2 , 4 )
 akrun1()
#[1]  TRUE FALSE FALSE

Ориентиры

set.seed(24)
a <- sample(c(1:10, NA), 1e6, replace=TRUE)
b <- sample(c(1:20, NA), 1e6, replace=TRUE)
akrun1 <- function() {replace(a, is.na(a), Inf)==replace(b, is.na(b), Inf)}
cathG <- function() {(!is.na(a) & !is.na(b) & a==b) | (is.na(a) & is.na(b))}
anthony <- function() {mapply('%in%', a, b)}
webb <- function() {ifelse(is.na(a),is.na(b),a==b)}
docend <- function() {replace(a, which(is.na(a)), Inf)==replace(b,
       which(is.na(b)), Inf)}

library(microbenchmark)
microbenchmark(akrun1(), cathG(), anthony(), webb(),docend(),
  unit='relative', times=20L)
#Unit: relative
#    expr        min         lq       mean     median         uq        max
#  akrun1()   3.050200   3.035625   3.007196   2.963916   2.977490   3.083658
#   cathG()   4.829972   4.893266   4.843585   4.790466   4.816472   4.939316
# anthony() 190.499027 224.389971 215.792965 217.647702 215.503308 212.356051
#    webb()  14.000363  14.366572  15.412527  14.095947  14.671741  19.735746
#  docend()   1.000000   1.000000   1.000000   1.000000   1.000000   1.000000
# neval cld
#    20 a  
#    20 a  
#    20 c
#    20 b 
#    20 a

Ответ 3

Предполагая, что мы не имеем большого относительного числа NA, предлагаемое векторизованное решение отбрасывает некоторые ресурсы, сравнивая значения, которые уже были урегулированы с помощью a==b.

Обычно мы можем предположить, что NAs мало, поэтому сначала стоит вычислять a==b а затем обрабатывать NAs отдельно, несмотря на дополнительные шаги и временные переменные:

'%==%' <- function(a,b){
  x <- a==b
  na_x <- which(is.na(x))
  x[na_x] <- is.na(a[na_x]) & is.na(b[na_x])
  x
}

Проверить выход

a <- c( 1 , 2 , 3 )
b <- c( 1 , 2 , 4 )
a %==% b
# [1]  TRUE  TRUE FALSE

a <- c( 1 , NA , 3 ) 
b <- c( 1 , NA , 4 )
a %==% b
# [1]  TRUE  TRUE FALSE

a <- c( 1 , NA , 3 ) 
b <- c( 1 , 2 , 4 )
a %==% b
# [1]  TRUE FALSE FALSE

Ориентиры

Я воспроизвожу ниже тест @akrun с самыми быстрыми решениями и n = 100.

set.seed(24)
a <- sample(c(1:10, NA), 1e6, replace=TRUE)
b <- sample(c(1:20, NA), 1e6, replace=TRUE)
mm <- function(){
  x <- a==b
  na_x <- which(is.na(x))
  x[na_x] <- is.na(a[na_x]) & is.na(b[na_x])
  x
}
akrun1 <- function() {replace(a, is.na(a), Inf)==replace(b, is.na(b), Inf)}
cathG <- function() {(!is.na(a) & !is.na(b) & a==b) | (is.na(a) & is.na(b))}
docend <- function() {replace(a, which(is.na(a)), Inf)==replace(b, which(is.na(b)), Inf)}

library(microbenchmark)
microbenchmark(mm(),akrun1(),cathG(),docend(),
               unit='relative', times=100L)

# Unit: relative
#     expr      min       lq     mean   median       uq       max neval
#     mm() 1.000000 1.000000 1.000000 1.000000 1.000000 1.0000000   100
# akrun1() 1.667242 1.884185 1.815392 1.642581 1.765238 0.9973017   100
#  cathG() 2.447168 2.449597 2.118306 2.201346 2.358105 1.1421577   100
# docend() 1.683817 1.950970 1.756481 1.745400 2.007889 1.2264461   100

Расширение ==

Поскольку исходный вопрос действительно найти:

самый простой способ получить знак R == чтобы никогда не возвращать NAs

Здесь путь, в котором мы определяем новый класс na_comparable. Только один из векторов должен быть этого класса, поскольку другой будет принужден к нему.

na_comparable      <- setClass("na_comparable", contains = "numeric")
'==.na_comparable' <- function(a,b){
  x <- unclass(a) == unclass(b) # inefficient but I don't know how to force the default '=='
  na_x <- which(is.na(x))
  x[na_x] <- is.na(a[na_x]) & is.na(b[na_x])
  x
}

'!=.na_comparable' <- Negate('==.na_comparable')

a <- na_comparable(a)
a == b
# [1]  TRUE  TRUE FALSE
b == a
# [1]  TRUE  TRUE FALSE
a != b
# [1] FALSE FALSE  TRUE
b != a
# [1] FALSE FALSE  TRUE

В цепочке dplyr это удобно использовать следующим образом:

data.frame(a=c(1,NA,3),b=c(1,NA,4)) %>%
  mutate(a = na_comparable(a),
         c = a==b,
         d= a!=b)

#    a  b     c     d
# 1  1  1  TRUE FALSE
# 2 NA NA  TRUE FALSE
# 3  3  4 FALSE  TRUE

При таком подходе, если вам нужно обновить код для учетной записи NAs, которые ранее отсутствовали, вы можете установить один единственный вызов na_comparable вместо преобразования исходных данных или замены всего вашего == на %==% вниз по строке.

Ответ 4

Как насчет использования identical(), завернутого в mapply()

a <- c( 1 , 2 , 3 )
b <- c( 1 , 2 , 4 )
mapply(identical,a,b)
#[1]  TRUE  TRUE FALSE

a <- c( 1 , NA , 3 ) 
b <- c( 1 , NA , 4 )
mapply(identical,a,b)
#[1]  TRUE  TRUE FALSE

a <- c( 1 , NA , 3 ) 
b <- c( 1 , 2 , 4 )
mapply(identical,a,b)
#[1]  TRUE FALSE FALSE

Кроме того, если вам нужно сравнить результаты вычислений, вы можете избавиться от identical() и пойти с isTRUE(all.equal()), как это сделать

mapply(FUN=function(x,y){isTRUE(all.equal(x,y))}, a, b)

который дает те же результаты, но может лучше решать проблемы округления.  Например,

a<-.3/3
b<-.1
mapply(FUN=function(x,y){isTRUE(all.equal(x,y))}, a, b)
#[1] TRUE

mapply(identical,a,b)
#[1] FALSE

Я думаю, что этот последний пример испортил бы много предлагаемых решений, но переход на all.equal вместо ==, вероятно, будет работать для всех из них.