为什么 NaN 和 Inf - Inf 的哈希值不同？

Question

我经常使用这个哈希函数，即记录数据帧的值。想看看我能不能打破它。为什么这些哈希值不相同？

这需要摘要包。

纯文本输出：

> digest(Inf-Inf)
[1] "0d59b2dae9351c1ce6c76133295322d7"
> digest(NaN)
[1] "4e9653ddf814f0d16b72624aeb85bc20"
> digest(1)
[1] "6717f2823d3202449301145073ab8719"
> digest(1 + 0)
[1] "6717f2823d3202449301145073ab8719"
> digest(5)
[1] "5e338704a8e069ebd8b38ca71991cf94"
> digest(sum(1, 1, 1, 1, 1))
[1] "5e338704a8e069ebd8b38ca71991cf94"
> digest(1^0)
[1] "6717f2823d3202449301145073ab8719"
> 1^0
[1] 1
> digest(1)
[1] "6717f2823d3202449301145073ab8719"

额外的怪异。等于 NaN 的计算具有相同的哈希值，但 NaN 的哈希值不相等：

> Inf - Inf
[1] NaN
> 0/0
[1] NaN
> digest(Inf - Inf)
[1] "0d59b2dae9351c1ce6c76133295322d7"
> digest(0/0)
[1] "0d59b2dae9351c1ce6c76133295322d7"
> digest(NaN)
[1] "4e9653ddf814f0d16b72624aeb85bc20"

Answer 1

这与使用 base::serialize 的 digest::digest 有关，它为使用 ascii = FALSE 的 2 个提到的对象提供了不同的结果，这是 [= 传递给它的默认值15=]:

identical(
  base::serialize(Inf-Inf, connection = NULL, ascii = FALSE),
  base::serialize(NaN, connection = NULL, ascii = FALSE)
)
# [1] FALSE

虽然

identical(Inf-Inf, NaN)
# [1] TRUE

Answer 2

tl;dr 这与 NaN 如何以二进制表示的非常深入的细节有关。您可以使用 digest(.,ascii=TRUE) ...

解决此问题

跟进@Jozef 的回答：注意粗体数字...

> base::serialize(Inf-Inf,connection=NULL)
[1] 58 0a 00 00 00 03 00 03 06 00 00 03 05 00 00 00 00 05 55 54 46 2d 38 00 00
[26] 00 0e 00 00 00 01 ff f8 00 00 00 00 00 00
> base::serialize(NaN,connection=NULL)
[1] 58 0a 00 00 00 03 00 03 06 00 00 03 05 00 00 00 00 05 55 54 46 2d 38 00 00
[26] 00 0e 00 00 00 01 7f f8 00 00 00 00 00 00

或者，使用 pryr::bytes() ...

> bytes(NaN)
[1] "7F F8 00 00 00 00 00 00"
> bytes(Inf-Inf)
[1] "FF F8 00 00 00 00 00 00"

Wikipedia article on floating point format/NaNs 说：

Some operations of floating-point arithmetic are invalid, such as taking the square root of a negative number. The act of reaching an invalid result is called a floating-point exception. An exceptional result is represented by a special code called a NaN, for "Not a Number". All NaNs in IEEE 754-1985 have this format:

sign = either 0 or 1.

biased exponent = all 1 bits.

fraction = anything except all 0 bits (since all 0 bits represents infinity).

符号是第一位；指数是接下来的 11 位；分数是最后 52 位。将上面给出的前四个十六进制数字转换为二进制，Inf-Inf 是 1111 1111 1111 0100（符号=1；指数是所有的，根据需要；分数以 0100 开头）而 NaN是0111 1111 1111 0100（相同，但符号=0）。

要理解 为什么 Inf-Inf 以符号位 1 结尾而 NaN 以符号位 0 结尾，您可能需要更深入地研究在此平台上实现浮点运算的方式 ...

可能值得对此提出 issue on the digest GitHub repo；我想不出一个优雅的方法来做到这一点，但在 R 中 identical(x,y) 是 TRUE 的对象应该具有相同的哈希值似乎是合理的......请注意，identical() 通过 single.NA（默认 TRUE）参数专门忽略了位模式中的这些差异：

single.NA: logical indicating if there is conceptually just one numeric ‘NA’ and one ‘NaN’; ‘single.NA = FALSE’ differentiates bit patterns.

在 C 代码中，看起来 R 只是使用 C 的 != 运算符来比较 NaN 值 除非启用 按位比较，在这种情况下它对内存位置的相等性进行显式检查：参见 here。也就是说，C 的比较运算符似乎将不同种类的 NaN 值视为等价的 ...

为什么 NaN 和 Inf - Inf 的哈希值不同？

Why do the hash values differ for NaN and Inf - Inf?

math

hash

r

digest