Fastest way to detect if vector has at least 1 NA?

What is the fastest way to detect if a vector has at least 1 NA in R? I've been using:

sum( is.na( data ) ) > 0

But that requires examining each element, coercion, and the sum function.

As of R 3.1.0 anyNA() is the way to do this. On atomic vectors this will stop after the first NA instead of going through the entire vector as would be the case with any(is.na()). Additionally, this avoids creating an intermediate logical vector with is.na that is immediately discarded. Borrowing Joran's example:

x <- y <- runif(1e7)
x[1e4] <- NA
y[1e7] <- NA
microbenchmark::microbenchmark(any(is.na(x)), anyNA(x), any(is.na(y)), anyNA(y), times=10)
# Unit: microseconds
#           expr        min         lq        mean      median         uq
#  any(is.na(x))  13444.674  13509.454  21191.9025  13639.3065  13917.592
#       anyNA(x)      6.840     13.187     13.5283     14.1705     14.774
#  any(is.na(y)) 165030.942 168258.159 178954.6499 169966.1440 197591.168
#       anyNA(y)   7193.784   7285.107   7694.1785   7497.9265   7865.064

Beachten Sie, dass es wesentlich schneller ist, selbst wenn wir den letzten Wert des Vektors ändern. Dies ist teilweise auf die Vermeidung des logischen Zwischenvektors zurückzuführen.

Ich denke:

any(is.na(data))

sollte etwas schneller sein.

We mention this in some of our Rcpp presentations and actually have some benchmarks which show a pretty large gain from embedded C++ with Rcpp over the R solution because

• a vectorised R solution still computes every single element of the vector expression

• Wenn es Ihr Ziel ist, nur zu befriedigen any(), können Sie nach dem ersten Match abbrechen - genau das bewirkt unsere Rcpp-Zuckerlösung (im Wesentlichen: etwas C ++ - Vorlagenmagie, damit C ++ - Ausdrücke eher wie R-Ausdrücke aussehen, siehe diese Vignette für mehr) .

Wenn wir also eine kompilierte, spezialisierte Lösung zum Laufen bringen, erhalten wir tatsächlich eine schnelle Lösung. Ich sollte hinzufügen, dass ich dies zwar nicht mit den in dieser SO-Frage hier angebotenen Lösungen verglichen habe, aber hinsichtlich der Leistung einigermaßen zuversichtlich bin.

Edit And the Rcpp package contains examples in the directory sugarPerformance. It has an increase of the several thousand of the 'sugar-can-abort-soon' over 'R-computes-full-vector-expression' for any(), but I should add that that case does not involve is.na() but a simple boolean expression.

Man könnte eine for-Schleife schreiben, die bei NA stoppt, aber die Systemzeit hängt dann davon ab, wo sich die NA befindet ... (wenn es keine gibt, dauert es ziemlich lange)

set.seed(1234)
x <- sample(c(1:5, NA), 100000000, replace = TRUE)

nacount <- function(x){
  for(i in 1:length(x)){
    if(is.na(x[i])) {
      print(TRUE)
      break}
}}

system.time(
  nacount(x)
)
[1] TRUE
       User      System verstrichen 
       0.14        0.04        0.18 

system.time(
  any(is.na(x))
) 
       User      System verstrichen 
       0.28        0.08        0.37 

system.time(
  sum(is.na(x)) > 0
)
       User      System verstrichen 
       0.45        0.07        0.53 

Hier sind einige aktuelle Zeiten von meiner (langsamen) Maschine für einige der verschiedenen Methoden, die bisher besprochen wurden:

x <- runif(1e7)
x[1e4] <- NA

system.time(sum(is.na(x)) > 0)
> system.time(sum(is.na(x)) > 0)
   user  system elapsed 
  0.065   0.001   0.065 

system.time(any(is.na(x)))  
> system.time(any(is.na(x)))
   user  system elapsed 
  0.035   0.000   0.034

system.time(match(NA,x)) 
> system.time(match(NA,x))
  user  system elapsed 
 1.824   0.112   1.918

system.time(NA %in% x) 
> system.time(NA %in% x)
  user  system elapsed 
 1.828   0.115   1.925 

system.time(which(is.na(x) == TRUE))
> system.time(which(is.na(x) == TRUE))
  user  system elapsed 
 0.099   0.029   0.127

Es ist nicht überraschend, dass matchund %in%sind ähnlich, da %in%mit implementiert wird match.

Du kannst es versuchen:

d <- c(1,2,3,NA,5,3)

which(is.na(d) == TRUE, arr.ind=TRUE)