为何left_join返回大量NA且无法查询lookup表部分值？

问题原因 #

这是浮点数精度误差导致的核心问题：

• seq(0, 35, by=0.1)生成的数值并非精确的十进制小数，比如看似8.2的数值，底层存储时实际是8.199999999999999这类近似值；
• 而data中的s列是通过round(runif(...), 1)生成的，是精确的十进制表示。
  两者视觉上数值相同，但二进制存储值存在细微差异，直接导致left_join和条件查询无法匹配。

可以通过以下代码验证这个误差：

# 查看lookup表中"8.2"的实际存储值
sprintf("%.20f", lookup$s[lookup$d == 177 & lookup$v == 15020])
# 输出示例："8.19999999999999928946"

# 查看手动输入的8.2的实际存储值
sprintf("%.20f", 8.2)
# 输出示例："8.20000000000000017764"

解决办法 #

方法1：转换为整数（推荐，彻底规避精度问题） #

将s列的数值乘以10转为整数，完全避开浮点数精度陷阱：

# 构建lookup表时转换
lookup <- transform(expand.grid(0:180, seq(0, 35, by=0.1)), v=0)
colnames(lookup) <- c("d", "s", "v")
lookup$s <- as.integer(lookup$s * 10)  # 转整数
lookup$v <- 1:nrow(lookup)

# 生成data时同步转换
set.seed(42)
data <- data.frame(
  d=sample(lookup$d, 1000, replace=TRUE), 
  s=as.integer(round(runif(n=1000, min=0, max=35), 1) * 10)
)

# 执行join
joined <- dplyr::left_join(x=data, y=lookup, by=c('d', 's'))

方法2：使用近似匹配函数 #

如果必须保留浮点数格式，可使用dplyr::near()做近似匹配，或借助fuzzyjoin包实现模糊关联：

library(dplyr)
library(fuzzyjoin)

# 单个条件查询示例
lookup %>%
  filter(d == 177, near(s, 8.2)) %>%
  pull(v)

# 模糊join
joined <- fuzzy_left_join(
  data, lookup,
  by = c("d" = "d", "s" = "s"),
  match_fun = list(`==`, near)
)

方法3：字符串匹配 #

将s列格式化为固定小数位数的字符串，通过字符串匹配消除精度差异：

# 处理lookup表
lookup$s <- sprintf("%.1f", lookup$s)

# 处理data表
data$s <- sprintf("%.1f", data$s)

# 执行join
joined <- dplyr::left_join(x=data, y=lookup, by=c('d', 's'))

内容的提问来源于stack exchange，提问作者birdy448