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，此条件将停止代码执行时 Inf 要么 NaN 遇到了（IIRC，Matlab没有NAs）。
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，我看到这样做的唯一方法是通过如下的黑客攻击：
- 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）。测试将是使用
is.finite()， 在本问答中描述，关于每个元素。
- 使用
body() 在每次操作之后修改代码以调用单独的函数，或者可能只是每次赋值，它们测试所有对象（可能还有所有环境中的所有对象）。
- 修改R的源代码（？！？）
- 尝试使用
tracemem 识别那些已更改的变量，并仅检查这些变量是否为坏值。
- （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。
第一种选择是我目前正在做的事情。这很乏味，因为我不能保证我已经检查了一切。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ID那些已更改的内容，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 duplicate 功能。
我错过了更好的方法吗？也许马克·布拉文顿（Mark Bravington），卢克·蒂尔尼（Luke Tierney）的一些聪明的工具，或者相对基本的东西 - 类似于 options() 编译R时的参数或标志？
示例代码 这是一些非常简单的示例代码，用于测试，包含 addTaskCallback Josh O'Brien提出的功能。代码不会中断，但在第一种情况下确实发生错误，而在第二种情况下没有发生错误（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，尽管我的很多计算都涉及到使用的对象 data.table 要么 bigmemory （即基于磁盘的存储器映射矩阵）。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 body() 理念。
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，例如关于索引NAs，Infs等存储在对象中的对象的元信息，或者这些是否存储在适当位置的元信息。到目前为止，我已经尝试了Simon Urbanek的 inspect包，并没有找到一种方法来判断非数字值的存在。
跟进： Simon Urbanek在评论中指出，这些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。另外，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;这应该超过编译的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。
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）我觉得这很有意思，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。
我的是一个两步黑客。首先，我定义一个函数 nanDetector() 它旨在检测 NaN在您的计算可能返回的几种对象类型中。然后，它使用 addTaskCallback() 调用该函数 nanDetector() 上 .Last.value 每个顶级任务/计算完成后。当它找到一个 NaN 在其中一个返回值中，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。
其缺点包括：
如果你做类似设置的事情 stop(error = recover)，很难说出错误被触发的位置，因为错误始终是从内部引发的 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) 你想再次使用它。 （见 'addTaskCallback'的'参数'部分 更多细节）。
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.
我担心没有这样的捷径。理论上unix有 SIGFPE 你可以陷阱，但在实践中
- 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等上）或者需要为目标CPU使用汇编程序
- 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
- R拦截了一些类似的操作
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），你可以破解自己的R会为你的平台和CPU捕获一些例外。这不是我们考虑建立R的东西，但出于特殊目的，它可能是可行的。
但是，它仍然无法捕获 NaN/NA 操作，除非您更改R内部代码。此外，您必须检查您正在使用的每个程序包，因为它们可能在其C代码中使用FP操作，也可能会处理 NA/NaN分别。
如果你只是担心除零或上溢/下溢之类的东西，上面的方法就会起作用，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结果 NaN 计算改变了可能不需要的聚合值 NaN 同样。如果您愿意放弃这种情况，那么您可以简单地以递归方式遍历结果对象或工作空间。这不应该是非常低效的，因为你只需要担心 REALSXP 而不是别的什么（除非你不喜欢 NA要么 - 那你还有更多工作要做。
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)