R语言subset筛选返回空data.frame问题求助

问题现象 #

• 生成模拟数据集代码：

  z2 <- data.frame(a=rep(1:120,100), b=rep(rep(c(0,1),each=120),50), c=rep(rep(c(0,1),each=240),25), d=rep(rep(seq(.1,2.5,.1),each=120),4))
  

• 执行subset(z2,d==1.5)筛选d等于1.5的子集，得到空数据框：

  [1] a b c d
  <0 rows> (or 0-length row.names)

• 直接查看行z2[7750,]显示d值为1.5，但table(z2$d==1.5)结果全为FALSE（共12000条）。

问题原因 #

这是浮点数精度误差导致的。R用二进制存储浮点数，seq(.1,2.5,.1)生成的序列里，看似为1.5的数值，实际是接近1.5但存在微小偏差的二进制浮点数（比如1.50000000000001或1.49999999999999）。直接用==做精确比较时，微小偏差会导致判断结果为FALSE。

你可以执行sprintf("%.20f", z2$d[7750])验证，会看到该数值的真实精度表示并非严格的1.5。

解决方法 #

1. 使用all.equal()函数：该函数会考虑浮点数的微小误差，判断数值是否在允许的误差范围内相等：

   subset(z2, sapply(d, function(x) isTRUE(all.equal(x, 1.5))))
   

2. 设置误差容忍阈值：直接判断数值是否在1.5的极小误差范围内：

   subset(z2, abs(d - 1.5) < 1e-10)
   

3. 生成无误差的序列：用整数序列结合除法生成精确的十进制数值：

   d_seq <- seq.int(1, 25, 1)/10
   z2 <- data.frame(a=rep(1:120,100), b=rep(rep(c(0,1),each=120),50), c=rep(rep(c(0,1),each=240),25), d=rep(rep(d_seq,each=120),4))
   

内容的提问来源于stack exchange，提问作者Giuseppe Marano