如果遇到非有限值(NA,NaN或Inf),如何强制错误

Question

我从Matlab那里得到了一个条件调试标志:dbstop if infnan 这里描述.如果设置,此条件将在遇到Inf或NaN遇到时停止代码执行(IIRC,Matlab没有NA).

如何在R中以比在每次赋值操作后测试所有对象更有效的方式实现此目的？

目前,我认为这样做的唯一方法是通过以下方式进行黑客攻击:

1. 在可能遇到这些值的所有位置之后手动插入测试(例如,可能发生除0的除法).测试是使用is.finite(),在这个问答描述,每一个元件上.
2. 使用body()修改代码来调用一个单独的功能,每一个操作或者可能只是每个任务,测试所有对象(也可能在所有环境中的所有对象)之后.
3. 修改R的源代码(？!？)
4. 尝试用于tracemem标识已更改的变量,并仅检查这些变量是否为错误值.
5. (新增 - 请参阅注释2)使用某种调用处理程序/回调来调用测试函数.

第一个选项是我目前正在做的事情.这很乏味,因为我无法保证我已经检查过所有内容.第二个选项将测试所有内容,即使对象尚未更新.这是浪费大量时间.第3个选项将涉及修改NA,NaN和无限值(+/- Inf)的赋值,以便产生错误.这似乎最好留给R Core.第四个选项就像第二个选项 - 我需要调用一个单独的函数列出所有内存位置,只需要识别那些已更改的ID,然后检查值; 我甚至不确定它是否适用于所有对象,因为程序可能会进行就地修改,这似乎不会调用该duplicate函数.

我错过了更好的方法吗？也许Mark Bravington,Luke Tierney的一些聪明的工具,或者相对基本的东西 - options()在编译R时类似于参数或标志？

示例代码下面是一些非常简单的示例代码,可以使用addTaskCallbackJosh O'Brien提出的函数进行测试.代码不会中断,但在第一种情况下确实会发生错误,而在第二种情况下不会发生错误(即badDiv(0,0,FALSE)不会中止).我还在调查回调,因为这看起来很有希望.

badDiv  <- function(x, y, flag){
    z = x / y
    if(flag == TRUE){
        return(z)
    } else {
        return(FALSE)
    }
}

addTaskCallback(stopOnNaNs)
badDiv(0, 0, TRUE)

addTaskCallback(stopOnNaNs)
badDiv(0, 0, FALSE)

---

注意1.我对标准R操作的解决方案感到满意,尽管我的很多计算涉及通过data.table或使用的对象bigmemory(即基于磁盘的内存映射矩阵).它们似乎与标准矩阵和data.frame操作有一些不同的记忆行为.

注2:回调的想法似乎更有希望,因为这并不需要我编写改变R代码的函数,例如通过这个body()想法.

注3.我不知道是否有一些简单的方法可以测试是否存在非有限值,例如关于对象的元信息,这些对象指的是NAs,Infs等存储在对象中的对象,或者如果是存储到位.到目前为止,我已经尝试了Simon Urbanek的inspect软件包,并没有找到一种方法来判断非数字值的存在.

后续行动: Simon Urbanek在评论中指出,此类信息不可用作对象的元信息.

注4.我仍在测试所提出的想法.另外,正如Simon所建议的那样,在C/C++中测试非有限值的存在应该是最快的; 这应该超过编译的R代码,但我对任何事情持开放态度.对于大型数据集,例如大约10-50GB,这应该比复制数据节省大量资金.通过使用多个内核可以获得进一步的改进,但这有点先进.

Answer 1

我担心没有这样的捷径.在unix的理论上SIGFPE,你可以陷入困境,但在实践中

1. 没有标准的方法来使FP操作能够捕获它(即使C99没有包含它的规定) - 它是高度系统特定的(例如feenableexcept在Linux上,fp_enable_all在AIX上等)或者需要为目标使用汇编程序中央处理器
2. FP操作现在经常在像SSE这样的矢量单元中完成,所以你甚至不能确定FPU是否参与其中
3. R拦截某些操作,例如NaNs,NAs并单独处理它们,因此它们不会进入FP代码

也就是说,如果你足够努力(禁用SSE等),你可能会破解自己的R会为你的平台和CPU捕获一些例外.我们不会考虑将其构建到R中,但出于特殊目的,它可能是可行的.

但是,除非您更改R内部代码,否则它仍然不会捕获NaN/ NA操作.此外,你必须检查你使用的,因为他们可以在他们的C代码使用FP操作的每一个包,还可以处理NA/ NaN分开.

如果你只是担心除零或上溢/下溢之类的东西,上面的方法就可以了,并且可能是最接近解决方案的东西.

只检查结果可能不太可靠,因为您不知道结果是否基于某些中间NaN计算,这些计算更改了可能不需要的聚合值NaN.如果您愿意丢弃此类案例,那么您可以简单地遍历结果对象或工作区.这不应该是非常低效的,因为你只需要担心REALSXP而不是其他任何事情(除非你不喜欢NA- 否则你会有更多的工作).

这是一个示例代码,可用于递归遍历R对象:

static int do_isFinite(SEXP x) {
    /* recurse into generic vectors (lists) */
    if (TYPEOF(x) == VECSXP) {
        int n = LENGTH(x);
        for (int i = 0; i < n; i++)
            if (!do_isFinite(VECTOR_ELT(x, i))) return 0;
    }
    /* recurse into pairlists */ 
    if (TYPEOF(x) == LISTSXP) {
         while (x != R_NilValue) {
             if (!do_isFinite(CAR(x))) return 0;
             x = CDR(x);
         }
         return 1;
    }
    /* I wouldn't bother with attributes except for S4
       where attributes are slots */
    if (IS_S4_OBJECT(x) && !do_isFinite(ATTRIB(x))) return 0;
    /* check reals */
    if (TYPEOF(x) == REALSXP) {
        int n = LENGTH(x);
        double *d = REAL(x);
        for (int i = 0; i < n; i++) if (!R_finite(d[i])) return 0;
    }
    return 1; 
}

SEXP isFinite(SEXP x) { return ScalarLogical(do_isFinite(x)); }

# in R: .Call("isFinite", x)

Answer 2

下面概述的概念(及其实现)非常不完美.我甚至犹豫不决,但是:(a)我觉得它很有趣,即使在它的丑陋中也是如此; (b)我可以想到它会有用的情况.鉴于你现在听起来像是在每次计算后手动插入支票,我希望你的情况就是其中之一.

我是一个两步黑客.首先,我定义了一个函数nanDetector(),用于检测NaN计算可能返回的几种对象类型中的s.然后,使用addTaskCallback()调用函数nanDetector()在.Last.value每个顶级任务/计算完成后.当它NaN在其中一个返回值中找到时,会抛出一个错误,您可以使用该错误来避免任何进一步的计算.

其缺点包括:

• 如果您执行类似设置的操作stop(error = recover),则很难确定错误被触发的位置,因为错误总是从内部抛出stopOnNaNs().

• 当它抛出错误时,stopOnNaNs()在它返回之前终止TRUE.因此,它将从任务列表中删除,您需要重置addTaskCallback(stopOnNaNs)它才能再次使用它.(有关更多详细信息,请参阅？addTaskCallback的 'Arguments'部分).

不用多说,这里是:

# Sketch of a function that tests for NaNs in several types of objects
nanDetector <- function(X) {
   # To examine data frames
   if(is.data.frame(X)) { 
       return(any(unlist(sapply(X, is.nan))))
   }
   # To examine vectors, matrices, or arrays
   if(is.numeric(X)) {
       return(any(is.nan(X)))
   }
   # To examine lists, including nested lists
   if(is.list(X)) {
       return(any(rapply(X, is.nan)))
   }
   return(FALSE)
}

# Set up the taskCallback
stopOnNaNs <- function(...) {
    if(nanDetector(.Last.value)) {stop("NaNs detected!\n")}
    return(TRUE)
}
addTaskCallback(stopOnNaNs)


# Try it out
j <- 1:00
y <- rnorm(99)
l <- list(a=1:4, b=list(j=1:4, k=NaN))
# Error in function (...)  : NaNs detected!

# Subsequent time consuming code that could be avoided if the
# error thrown above is used to stop its evaluation.