R语言dplyr数值过滤失效问题及数据修正方案咨询

问题原因 #

你遇到的是浮点数精度误差：虽然str(df$Minutes)显示是数值类型，且表面看是250，但实际该值可能是接近250的非整数浮点数（比如249.9999999999999或250.0000000000001），直接用==做数值匹配时，因为精度问题无法匹配；而用字符串过滤时，R会将字符串"250"转为精确的整数250，刚好能匹配到原始数据中近似250的浮点数。

验证方法 #

先打印Minutes列的精确值，确认是否存在精度误差：

sprintf("%.15f", df$Minutes)

如果输出中250对应的是带多位小数的近似值，就说明是精度问题。

解决方案 #

方案1：用round()统一取整后过滤

如果Minutes应该是整数，先四舍五入再匹配：

df3 <- df %>%
  dplyr::filter(round(Minutes) %in% c(240, 250))

方案2：用dplyr::near()函数匹配

near()是dplyr专门处理浮点数比较的函数，会忽略微小的精度误差：

df3 <- df %>%
  dplyr::filter(near(Minutes, 240) | near(Minutes, 250))
# 或者用%in%结合sapply简化写法
df3 <- df %>%
  dplyr::filter(sapply(Minutes, function(x) any(near(x, c(240, 250)))))

方案3：彻底转换为整数类型

如果Minutes本质是整数，直接转为整数类型，从根源解决问题：

df_clean <- df %>%
  dplyr::mutate(Minutes = as.integer(Minutes)) %>%
  dplyr::filter(Minutes %in% c(240, 250))

内容的提问来源于stack exchange，提问作者JVGen