Question

previous post提示我发布此问题。将==重新分配给isTRUE(all.equal())（以及!=到!isTRUE(all.equal())似乎是一种最佳做法。我想知道其他人是否在实践中这样做了？我刚刚意识到这一点我使用==和!=在我的代码库中进行数字相等。我的第一反应是我需要进行全擦洗并转换为all.equal。但事实上，每次我使用时==和!=我想测试相等性（无论数据类型如何）。事实上，我不确定这些操作除了相等之外还会测试什么。我确定我错过了一些有人可以启发我吗？我看到这种方法的唯一论点是，在某些情况下，由于all.equal的容忍度，两个不相同的数字看起来是相同的。但我们被告知这两个数字实际上相同的可能不会传递identical()，因为它们是如何存储在内存中的。所以真的有什么不能默认为all.equal？

Answer 1

正如@joran所提到的那样，你会在几乎任何其他语言中遇到==和!=的浮点问题。 R中它们的一个重要方面是矢量化部分。

定义新功能almostEqual，fuzzyEqual或类似功能会好得多。遗憾的是，没有这样的基础功能。 all.equal效率不高，因为它处理所有类型的对象，并返回一个字符串，用于描述差异，而大多数情况下只需要TRUE或FALSE。

这是一个这样的功能的例子。它像==一样被矢量化。

almostEqual <- function(x, y, tolerance=1e-8) {
  diff <- abs(x - y)
  mag <- pmax( abs(x), abs(y) )
  ifelse( mag > tolerance, diff/mag <= tolerance, diff <= tolerance)
}

almostEqual(1, c(1+1e-8, 1+2e-8)) # [1]  TRUE FALSE

...对于标量值，它比all.equal快2倍，而对于矢量则快得多。

x <- 1
y <- 1+1e-8
system.time(for(i in 1:1e4) almostEqual(x, y)) # 0.44 seconds
system.time(for(i in 1:1e4) all.equal(x, y))   # 0.93 seconds

你重新分配==和！=到isTRUE（all.equal（））？

1 个答案: