R中混合字符向量时NaN的is.na与is.nan检测异常问题

我开发了一个可处理含NA向量的歧义消除相等运算符函数：

#' Disambiguated Equality operator between two vectors that may contain NA's
#'
#' Forces the equality result to be TRUE if both corresponding vector elements are either equal, or both NA.
#' @param x vector of any type compatible with is.na and ==.
#' @param y vector of any type compatible with is.na and ==.
#' @export
#' @examples 
#' c(NA, 1:5) %==% c(NA, 1:3,"nope", NA) #[1]  TRUE  TRUE  TRUE  TRUE FALSE FALSE

gp.is.equal.force <- `%==%` <- function(x, y, vect = T) {
  res <- (is.na(x) & is.na(y)) | (!is.na(x) & !is.na(y) & x == y)
  if (!vect) res <- all(res)
  res
}

在R 4.3.2（2023-10-31）版本中，我发现了NaN值的意外行为：

> is.na(NaN) # [1] TRUE
> is.na(c(NaN, 5)) # [1]  TRUE FALSE
> is.na(c(NaN, NA)) # [1] TRUE TRUE
> is.nan(c(NaN, NA)) # [1]  TRUE FALSE
> is.na(c(NaN, as.factor("abc"))) # [1]  TRUE FALSE
> is.nan(c(NaN, 5)) # [1]  TRUE FALSE

上述结果符合预期，但当向量中加入字符类型后，检测逻辑出现异常：

> is.na(c(NA, NaN, "abc")) # [1]  TRUE FALSE FALSE
> is.nan(c(NA, NaN, "abc")) # [1] FALSE FALSE FALSE
> is.nan(c(NaN, "abc")) #[1] FALSE FALSE

为何在混合字符类型的向量中，NaN的is.na和is.nan检测会出现不符合预期的结果？这一现象是否正常？

这是R的正常行为，核心原因在于R的向量是同质类型的——一个向量里的所有元素必须属于同一数据类型，当你混合不同类型（比如数值型NaN和字符型"abc"）构建向量时，R会自动执行类型强制转换，把所有元素统一转换成最宽泛的类型（这里是字符型）。

具体细节：

• 当创建c(NA, NaN, "abc")或c(NaN, "abc")时，数值型的NaN会被强制转换成字符串"NaN"，而NA则会被转换成字符型缺失值NA_character_。
• is.na()检测的是缺失值标记，字符型向量中只有NA_character_会被识别为缺失值，字符串"NaN"只是普通字符，因此is.na("NaN")返回FALSE。
• is.nan()的作用是检测数值型的非数值（Not a Number），它仅对数值型向量有效。当向量是字符型时，所有元素都不是数值，所以is.nan()对字符型向量的任何元素都会返回FALSE，包括被转成字符串的"NaN"。

可以通过以下代码验证这一点：

vec <- c(NA, NaN, "abc")
typeof(vec) # [1] "character"
vec # [1] NA    "NaN" "abc"
is.na(vec[2]) # [1] FALSE
is.nan(vec[2]) # [1] FALSE

如果需要在多类型场景下保留对NaN的识别，建议使用列表（list）存储不同类型元素，或者提前对元素类型做显式处理。

内容的提问来源于stack exchange，提问作者gaut