R all.equal 中可能存在的错误答案

【问题标题】：Possible bug in R all.equalR all.equal 中可能存在的错误
【发布时间】：2012-09-09 07:48:46
【问题描述】：

我在 R 的 all.equal 函数中遇到了一些奇怪的行为。基本上，我以不同的方式创建两个相同的 data.frame，然后调用 all.equal 函数（同时检查数据和属性）。

重现该行为的代码如下：

var.a <- data.frame(cbind(as.integer(c(1,5,9)), as.integer(c(1,5,9))))
colnames(var.a) <- c("C1", "C2")
rownames(var.a) <- c("1","5","9")

var.b <- data.frame(matrix(NA, nrow = 10, ncol = 2))
var.b[, 1] <- 1:10
var.b[, 2] <- 1:10
colnames(var.b) <- c("C1", "C2")
var.b <- var.b[seq(1, nrow(var.b), 4), ]

all.equal(var.a, var.b)

这是一个错误还是我只是错过了什么？我对 all.equall 函数做了一些调试，看来问题出在 data.frames 的行名上（一旦它们是字符，而其他时候是数字向量）。 all.equall 函数的响应：

[1]“属性：”
[2]“属性："

然而，

typeof(rownames(var.a)) == typeof(rownames(var.b))

返回 TRUE，这让我很困惑。

P.S.：对象的结构似乎相同：

> str(var.a)
'data.frame':   3 obs. of  2 variables:
$ C1: int  1 5 9
$ C2: int  1 5 9
> str(var.b)
'data.frame':   3 obs. of  2 variables:
$ C1: int  1 5 9
$ C2: int  1 5 9

如果有人能对此有所了解，我将不胜感激。

【问题讨论】：

标签： r

【解决方案1】：

一个是数字模式，另一个是整数模式。您可以通过以下方式查看：

str(var.a); str(var.b)


> str(var.a); str(var.b)
'data.frame':   3 obs. of  2 variables:
 $ C1: num  1 5 9
 $ C2: num  1 5 9
'data.frame':   3 obs. of  2 variables:
 $ C1: int  1 5 9
 $ C2: int  1 5 9

【讨论】：

没错，但这不是 all.equal 失败的原因。在重现问题并使其更加有意识时，我忘记了包括这一点。它现在捆绑在原始问题中。

【解决方案2】：

（我不太清楚你认为你发现了什么错误。数据框的创建方式不同。） var.a 和 var.b 的结构有两个不同：列中的元素：“var.a”中的numeric 和“var.b”中的integer；以及行名的模式：integer for 'var.a' and character in 'var.b':

> dput(var.b)
structure(list(C1 = c(1L, 5L, 9L), C2 = c(1L, 5L, 9L)), .Names = c("C1", 
"C2"), row.names = c(1L, 5L, 9L), class = "data.frame")
> dput(var.a)
structure(list(C1 = c(1, 5, 9), C2 = c(1, 5, 9)), .Names = c("C1", 
"C2"), row.names = c("1", "5", "9"), class = "data.frame")

> mode(attr(var.b, "row.names"))
[1] "numeric"
> storage.mode(attr(var.b, "row.names"))
[1] "integer"
> mode(attr(var.a, "row.names"))
[1] "character"

补充说明：如果您想检查数值是否相等，您应该使用“check.attributes”开关：

> all.equal(var.a, var.b, check.attributes=FALSE)
[1] TRUE

如果您查看var.b 和dput，您可以看到行名是数字：

> dput(var.b)
structure(list(C1 = c(1L, 5L, 9L), C2 = c(1L, 5L, 9L)), .Names = c("C1", 
"C2"), row.names = c(1L, 5L, 9L), class = "data.frame")

【讨论】：

+10 -- row.names 的帮助对字符/整数的变化非常清楚。
就是这样。谢谢。帮助解释得很好，虽然不是最直观的。

【解决方案3】：

然而，

typeof(rownames(var.a)) == typeof(rownames(var.b))

返回 TRUE，这让我很困惑。

除了投票最多的答案，请注意属性存储为"character" 用于var.a 和"numeric" 用于var.b：

> attr(var.a, "row.names")
[1] "1" "5" "9"
> attr(var.b, "row.names")
[1] 1 5 9

而rownames() 函数会将其输出值强制转换为"character"：

> rownames(var.a)
[1] "1" "5" "9"
> rownames(var.b)
[1] "1" "5" "9"

这就是你在上面的命令中得到TRUE 的原因。根据?rownames：

对于数据框，rownames 的值应该是非重复和非缺失名称的字符向量（这是强制的），而 colnames 的值应该是（最好）唯一的语法有效名称的字符向量。在这两种情况下，value 都会被 as.character 强制转换，设置 colnames 会将行名转换为字符。

更相关的检查是：

> typeof(attr(var.a, "row.names")) == typeof(attr(var.b, "row.names"))
[1] FALSE

这就是说，我相信all.equal() 消息充其量是神秘的......

【讨论】：