Sprawdź, czy liczba jest liczbą całkowitą

Byłem zaskoczony, gdy dowiedziałem się, że R nie ma przydatnej funkcji do sprawdzenia, czy liczba jest liczbą całkowitą.

is.integer(66) # FALSE

Te pliki pomocy ostrzega :

is.integer(x)nie sprawdza, czy x zawiera liczby całkowite! W tym celu użyj round, jak w funkcji is.wholenumber(x)w przykładach.

W przykładzie zastosowano tę funkcję niestandardową jako „obejście”

is.wholenumber <- function(x, tol = .Machine$double.eps^0.5)  abs(x - round(x)) < tol
is.wholenumber(1) # is TRUE

Gdybym musiał napisać funkcję do sprawdzania liczb całkowitych, zakładając, że nie przeczytałem powyższych komentarzy, napisałbym funkcję, która poszłaby podobnie

check.integer <- function(x) {
    x == round(x)
}

Gdzie moje podejście zawiodłoby? Co byś obejrzał, gdybyś był w moich hipotetycznych butach?

Inną alternatywą jest sprawdzenie części ułamkowej:

x%%1==0

lub, jeśli chcesz sprawdzić w ramach określonej tolerancji:

min(abs(c(x%%1, x%%1-1))) < tol

Oto rozwiązanie wykorzystujące prostsze funkcje i bez hacków:

all.equal(a, as.integer(a))

Co więcej, jeśli chcesz, możesz przetestować cały wektor naraz. Oto funkcja:

testInteger <- function(x){
  test <- all.equal(x, as.integer(x), check.attributes = FALSE)
  if(test == TRUE){ return(TRUE) }
  else { return(FALSE) }
}

Możesz go zmienić tak, aby był używany *applyw przypadku wektorów, macierzy itp.

Czytanie dokumentacji języka R as.integerma więcej wspólnego z tym, jak liczba jest przechowywana, niż jeśli jest praktycznie równoważna liczbie całkowitej. is.integersprawdza, czy liczba jest zadeklarowana jako liczba całkowita. Możesz zadeklarować liczbę całkowitą, umieszczając Lpo niej.

> is.integer(66L)
[1] TRUE
> is.integer(66)
[1] FALSE

Również funkcje takie jak roundzwrócą zadeklarowaną liczbę całkowitą, czyli właśnie z nią korzystasz x==round(x). Problem z tym podejściem polega na tym, co uważamy za praktycznie liczbę całkowitą. Przykład używa mniejszej precyzji do testowania równoważności.

> is.wholenumber(1+2^-50)
[1] TRUE
> check.integer(1+2^-50)
[1] FALSE

W zależności od aplikacji możesz w ten sposób wpaść w kłopoty.

Oto jeden, pozornie niezawodny sposób:

check.integer <- function(N){
    !grepl("[^[:digit:]]", format(N,  digits = 20, scientific = FALSE))
}

check.integer(3243)
#TRUE
check.integer(3243.34)
#FALSE
check.integer("sdfds")
#FALSE

To rozwiązanie dopuszcza również liczby całkowite w notacji naukowej:

> check.integer(222e3)
[1] TRUE

Wydaje się, że nie widzisz potrzeby uwzględnienia pewnej tolerancji na błędy. Nie byłoby konieczne, gdyby wszystkie liczby całkowite były wprowadzane jako liczby całkowite, jednak czasami pojawiają się one w wyniku operacji arytmetycznych, które tracą pewną precyzję. Na przykład:

> 2/49*49
[1] 2
> check.integer(2/49*49)
[1] FALSE 
> is.wholenumber(2/49*49)
[1] TRUE

Zauważ, że to nie jest słabość R, każde oprogramowanie komputerowe ma pewne ograniczenia dokładności.

Z Hmisc::spss.get :

all(floor(x) == x, na.rm = TRUE)

znacznie bezpieczniejsza opcja, IMHO, ponieważ „omija” problem precyzji maszyny. Jeśli spróbujesz is.integer(floor(1)), dostaniesz FALSE. BTW, twoja liczba całkowita nie zostanie zapisana jako liczba całkowita, jeśli jest większa niż .Machine$integer.maxwartość, czyli domyślnie 2147483647, więc albo zmień integer.maxwartość, albo wykonaj alternatywne sprawdzenia ...

możesz użyć prostego warunku if, takiego jak:

if(round(var) != var)­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­

W R to, czy liczba jest liczbą, czy liczbą całkowitą, można określić za pomocą funkcji klasy. Ogólnie wszystkie liczby są przechowywane jako liczby i aby jawnie zdefiniować liczbę jako liczbę całkowitą, musimy określić „L” po liczbie.

Przykład:

x <- 1

klasa (x)

[1] „numeryczny”

x <- 1L

klasa (x)

[1] „liczba całkowita”

Mam nadzieję, że to było potrzebne. Dzięki :)

[AKTUALIZACJA] =============================================== ===============

Szanując [STARY] odpowiedź poniżej, odkryłem, że zadziałała, ponieważ umieściłem wszystkie liczby w jednym wektorze atomowym; jeden z nich był postacią, więc każdy stał się postacią.

Jeśli użyjemy listy (stąd przymus nie zachodzi), wszystkie testy przebiegną poprawnie, z wyjątkiem jednego 1/(1 - 0.98):, który pozostaje numeric. Dzieje się tak, ponieważ tolparametr jest domyślny, 100 * .Machine$double.epsa liczba ta jest daleka od 50podwojenia tej liczby. Tak więc, w zasadzie, do tego rodzaju liczb, możemy mieć do decydowania naszą tolerancję!

Więc jeśli chcesz, aby wszystkie testy stały się możliwe TRUE, możeszassertive::is_whole_number(x, tol = 200 * .Machine$double.eps)

W każdym razie potwierdzam, że asertywność IMO pozostaje najlepszym rozwiązaniem.

Poniżej reprex dla tej [UPDATE].

expect_trues_c <- c(
  cl = sqrt(2)^2,
  pp = 9.0,
  t = 1 / (1 - 0.98),
  ar0 = 66L,
  ar1 = 66,
  ar2 = 1 + 2^-50,
  v = 222e3,
  w1 = 1e4,
  w2 = 1e5,
  v2 = "1000000000000000000000000000000000001",
  an = 2 / 49 * 49,
  ju1 = 1e22,
  ju2 = 1e24,
  al = floor(1),
  v5 = 1.0000000000000001 # this is under machine precision!
)

str(expect_trues_c)
#>  Named chr [1:15] "2" "9" "50" "66" "66" "1" "222000" "10000" "1e+05" ...
#>  - attr(*, "names")= chr [1:15] "cl" "pp" "t" "ar0" ...
assertive::is_whole_number(expect_trues_c)
#> Warning: Coercing expect_trues_c to class 'numeric'.
#>                      2                      9                     50 
#>                   TRUE                   TRUE                   TRUE 
#>                     66                     66                      1 
#>                   TRUE                   TRUE                   TRUE 
#>                 222000                  10000                 100000 
#>                   TRUE                   TRUE                   TRUE 
#>                  1e+36                      2                  1e+22 
#>                   TRUE                   TRUE                   TRUE 
#> 9.9999999999999998e+23                      1                      1 
#>                   TRUE                   TRUE                   TRUE



expect_trues_l <- list(
  cl = sqrt(2)^2,
  pp = 9.0,
  t = 1 / (1 - 0.98),
  ar0 = 66L,
  ar1 = 66,
  ar2 = 1 + 2^-50,
  v = 222e3,
  w1 = 1e4,
  w2 = 1e5,
  v2 = "1000000000000000000000000000000000001",
  an = 2 / 49 * 49,
  ju1 = 1e22,
  ju2 = 1e24,
  al = floor(1),
  v5 = 1.0000000000000001 # this is under machine precision!
)

str(expect_trues_l)
#> List of 15
#>  $ cl : num 2
#>  $ pp : num 9
#>  $ t  : num 50
#>  $ ar0: int 66
#>  $ ar1: num 66
#>  $ ar2: num 1
#>  $ v  : num 222000
#>  $ w1 : num 10000
#>  $ w2 : num 1e+05
#>  $ v2 : chr "1000000000000000000000000000000000001"
#>  $ an : num 2
#>  $ ju1: num 1e+22
#>  $ ju2: num 1e+24
#>  $ al : num 1
#>  $ v5 : num 1
assertive::is_whole_number(expect_trues_l)
#> Warning: Coercing expect_trues_l to class 'numeric'.
#> There was 1 failure:
#>   Position              Value      Cause
#> 1        3 49.999999999999957 fractional
assertive::is_whole_number(expect_trues_l, tol = 200 * .Machine$double.eps)
#> Warning: Coercing expect_trues_l to class 'numeric'.
#>     2.0000000000000004                      9     49.999999999999957 
#>                   TRUE                   TRUE                   TRUE 
#>                     66                     66     1.0000000000000009 
#>                   TRUE                   TRUE                   TRUE 
#>                 222000                  10000                 100000 
#>                   TRUE                   TRUE                   TRUE 
#>                  1e+36     1.9999999999999998                  1e+22 
#>                   TRUE                   TRUE                   TRUE 
#> 9.9999999999999998e+23                      1                      1 
#>                   TRUE                   TRUE                   TRUE



expect_falses <- list(
  bb = 5 - 1e-8,
  pt1 = 1.0000001,
  pt2 = 1.00000001,
  v3 = 3243.34,
  v4 = "sdfds"
)

str(expect_falses)
#> List of 5
#>  $ bb : num 5
#>  $ pt1: num 1
#>  $ pt2: num 1
#>  $ v3 : num 3243
#>  $ v4 : chr "sdfds"
assertive::is_whole_number(expect_falses)
#> Warning: Coercing expect_falses to class 'numeric'.
#> Warning in as.this_class(x): NAs introduced by coercion
#> There were 5 failures:
#>   Position              Value      Cause
#> 1        1 4.9999999900000001 fractional
#> 2        2 1.0000001000000001 fractional
#> 3        3 1.0000000099999999 fractional
#> 4        4 3243.3400000000001 fractional
#> 5        5               <NA>    missing
assertive::is_whole_number(expect_falses, tol = 200 * .Machine$double.eps)
#> Warning: Coercing expect_falses to class 'numeric'.

#> Warning: NAs introduced by coercion
#> There were 5 failures:
#>   Position              Value      Cause
#> 1        1 4.9999999900000001 fractional
#> 2        2 1.0000001000000001 fractional
#> 3        3 1.0000000099999999 fractional
#> 4        4 3243.3400000000001 fractional
#> 5        5               <NA>    missing

^{Utworzony 2019-07-23 przez pakiet reprex (v0.3.0)}

[STARY] =============================================== ==================

IMO najlepsze rozwiązanie pochodzi z assertivepakietu (który na razie rozwiązuje wszystkie pozytywne i negatywne przykłady w tym wątku):

are_all_whole_numbers <- function(x) {
  all(assertive::is_whole_number(x), na.rm = TRUE)
}

are_all_whole_numbers(c(
  cl = sqrt(2)^2,
  pp = 9.0,
  t = 1 / (1 - 0.98),
  ar0 = 66L,
  ar1 = 66,
  ar2 = 1 + 2^-50,
  v = 222e3,
  w1 = 1e4,
  w2 = 1e5,
  v2 = "1000000000000000000000000000000000001",
  an = 2 / 49 * 49,
  ju1 = 1e22,
  ju2 = 1e24,
  al = floor(1),
  v5 = 1.0000000000000001 # difference is under machine precision!
))
#> Warning: Coercing x to class 'numeric'.
#> [1] TRUE

are_all_not_whole_numbers <- function(x) {
  all(!assertive::is_whole_number(x), na.rm = TRUE)
}

are_all_not_whole_numbers(c(
  bb = 5 - 1e-8,
  pt1 = 1.0000001,
  pt2 = 1.00000001,
  v3 = 3243.34,
  v4 = "sdfds"
))
#> Warning: Coercing x to class 'numeric'.
#> Warning in as.this_class(x): NAs introduced by coercion
#> [1] TRUE

^{Utworzony 2019-07-23 przez pakiet reprex (v0.3.0)}

Jeśli wolisz nie pisać własnej funkcji, spróbuj check.integerz instalatora pakietu . Obecnie używa odpowiedzi VitoshKa.

Spróbuj również check.numeric(v, only.integer=TRUE)z pakietu varhandle , który ma tę zaletę, że jest wektoryzowany.

Raz można też użyć dplyr::near:

library(dplyr)

near(a, as.integer(a))

Ma zastosowanie do dowolnego wektora ai ma opcjonalny parametr tolerancji.

Nie jestem pewien, co próbujesz osiągnąć. Ale oto kilka myśli:
1. Zamień na liczbę całkowitą:
num = as.integer(123.2342)
2. Sprawdź, czy zmienna jest liczbą całkowitą:
is.integer(num)
typeof(num)=="integer"