如果遇到非有限值（NA、NaN 或 Inf），如何强制出错

Question

我错过了 Matlab 中的一个条件调试标志：dbstop if infnan

我怎样才能在 R 中以比每次赋值操作后测试所有对象更有效的方式实现这一点？

目前，我认为做到这一点的唯一方法是通过像下面这样的黑客：

1. 在可能遇到这些值的所有位置之后手动插入一个测试（例如，除法，可能会发生除以 0 的情况）。测试将使用 is.finite()、本问答中描述的A，在每个元素上。
2. 使用 body() 修改代码以在每次操作或可能只是每次赋值后调用单独的函数，该函数测试所有对象（也可能测试所有环境中的所有对象）。
3. 修改 R 的源代码 (?!?)
4. 尝试使用 tracemem 来识别那些已更改的变量，并仅检查这些变量是否有错误值。
5. （新 - 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。

第一个选择是我目前正在做的。这很乏味，因为我不能保证我已经检查了所有内容。第二个选项将测试所有内容，即使对象尚未更新。这是对时间的巨大浪费。第三个选项涉及修改 NA、NaN 和无限值 (+/- Inf) 的分配，从而产生错误。这似乎最好留给 R Core。第四个选项与第二个类似 - 我需要调用一个单独的函数来列出所有内存位置，只是为了识别那些已更改的内存位置，然后检查值；我什至不确定这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 duplicate 函数。

我缺少更好的方法吗？也许 Mark Bravington、Luke Tierney 提供了一些巧妙的工具，或者一些相对基本的工具 - 类似于编译 R 时的 options() 参数或标志？

示例代码 这里有一些非常简单的示例代码可供测试，其中包含 Josh O'Brien 提出的 addTaskCallback 函数。代码不会被中断，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）。我仍在研究回调，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 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 bigmemory 使用的对象（即基于磁盘的内存映射矩阵）。这些似乎与标准矩阵和数据帧操作有一些不同的内存行为。

注 2：回调的想法似乎更有前途，因为这不需要我编写改变 R 代码的函数，例如通过 body() 想法。

注 3：我不知道是否有一些简单的方法来测试非有限值的存在，例如，有关索引 NA、Infs 等存储在对象中的位置的对象的元信息，或者这些是否是存放到位。到目前为止，我已经尝试了 Simon Urbanek 的 inspect 包，但还没有找到一种方法来预测非数字值的存在。

后续：Simon Urbanek 在评论中指出，此类信息不能作为对象的元信息。

注 4：我仍在测试所提出的想法。此外，正如 Simon 所建议的，在 C/C++ 中测试非有限值的存在应该是最快的；这应该超越编译后的 R 代码，但我对任何事情都持开放态度。对于大型数据集，例如大约 10-50GB，这比复制数据应该节省大量成本。通过使用多核可能会得到进一步的改进，但这有点更先进。

Answer 1

下面概述的想法（及其实现）非常不完美。我什至犹豫是否建议它，但是：（a）我认为它有点有趣，即使它很丑陋； (b) 我能想到它有用的情况。鉴于您现在似乎在每次计算后手动插入检查，我希望您的情况就是其中之一。

我的方法是两步破解。首先，我定义一个函数 nanDetector()，该函数旨在检测计算可能返回的多种对象类型中的 NaN。然后，在每个顶级任务/计算完成后，它使用 addTaskCallback() 在 .Last.value 上调用函数 nanDetector() 。当它在这些返回值之一中发现 NaN 时，它会抛出一个错误，您可以使用该错误来避免任何进一步的计算。

它的缺点是：

• 如果您执行诸如设置 stop(error = recovery) 之类的操作，则很难判断错误是在哪里触发的，因为错误总是从 stopOnNaNs 内部抛出().

• 当它抛出错误时，stopOnNaNs() 在返回 TRUE 之前终止。因此，它会从任务列表中删除，如果您想再次使用它，则需要使用 addTaskCallback(stopOnNaNs) 进行重置。 （请参阅 ?addTaskCallback< 的 “参数”部分/a> 了解更多详细信息）。

话不多说，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.

Answer 2

恐怕没有这样的捷径。理论上，在 unix 上，您可以捕获 SIGFPE ，但实际上，

1. 没有标准方法可以启用 FP 操作来捕获它（即使 C99 也不包含此规定） - 它是高度系统特定（例如，Linux 上的 feenableexcept、AIX 上的 fp_enable_all 等）或需要为目标 CPU 使用汇编程序
2. FP 操作现在通常以向量单元完成像 SSE 一样，所以你甚至不能确定 FPU 是否参与其中，而
3. R 会拦截 NaN、NA 等操作，并单独处理它们，这样它们就不会使其成为 FP 代码

也就是说，如果您足够努力（禁用 SSE 等），您可以自己编写一个 R，它会捕获您的平台和 CPU 的一些异常。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，否则它仍然无法捕获 NaN/NA 操作。此外，您必须检查您正在使用的每个包，因为它们可能在其 C 代码中使用 FP 运算，并且还可能单独处理 NA/NaN。

如果您只担心除以零或上溢/下溢之类的问题，则上述内容将起作用，并且可能是最接近解决方案之类的问题。

仅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，该计算更改了可能不需要为 NaN 的聚合值代码> 也是如此。如果您愿意放弃这种情况，那么您可以简单地递归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（除非你也不喜欢 NA - 那么你会有更多工作）。

---

这是可用于递归遍历 R 对象的示例代码：

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)