是否有适当的＆＃39; R中的NAND运算符，例如
abline(h = 0, lty = 3)
abline(v = 0, lty = 3)
或者它只是最佳实践/唯一的可能性
nand(condition1, condition 2)
还有哪些其他选择？
答案 0 :(得分：5)
为了解决这个问题，R中没有内置的diffKeys = set(a.keys()) - set(b.keys())
c = dict()
for key in diffKeys:
c[key] = a.get(key)
函数，我能想到改进你的nand的唯一方法就是将这个操作转换为编译语言，例如
!(x & y)这是否值得麻烦可能取决于您需要拨打#include <Rcpp.h>
// [[Rcpp::export]]
Rcpp::LogicalVector nand(Rcpp::LogicalVector lhs, Rcpp::LogicalVector rhs) {
R_xlen_t i = 0, n = lhs.size();
Rcpp::LogicalVector result(n);
for ( ; i < n; i++) {
result[i] = !(lhs[i] && rhs[i]);
}
return result;
}
/*** R
Lhs <- rbinom(10e4, 1, .5)
Rhs <- rbinom(10e4, 1, .5)
r_nand <- function(x, y) !(x & y)
all.equal(nand(Lhs, Rhs), r_nand(Lhs, Rhs))
#[1] TRUE
microbenchmark::microbenchmark(
nand(Lhs, Rhs), r_nand(Lhs, Rhs),
times = 200L)
#Unit: microseconds
# expr min lq mean median uq max neval
# nand(Lhs, Rhs) 716.140 749.926 1215.353 771.015 1856.734 6332.284 200
#r_nand(Lhs, Rhs) 3337.494 3397.809 5106.614 3461.845 4985.807 95226.834 200
*/
的频率。出于大多数目的，上述nand应该足够了。实际上，r_nand的实现方式类似：
base::xor