在dplyr::filter中替代==以适配浮点数的方案

• 使用dplyr::near()函数（推荐）
  这是dplyr专为浮点数相等判断设计的函数，会自动处理浮点数精度误差，默认容差为.Machine$double.eps^0.5，也可自定义精度：

  # 默认容差
  data_lg <- data %>% filter(near(a_ov_t, target_at + 0.1))
  # 自定义容差（比如1e-8）
  data_lg <- data %>% filter(near(a_ov_t, target_at + 0.1, tol = 1e-8))
  

• 按指定精度取整后判断
  如果你的数据精度固定（比如保留1位小数），可以用round()统一精度后再比较，避免依赖倍数计算：

  data_lg <- data %>% filter(round(a_ov_t, 1) == round(target_at + 0.1, 1))
  

• 区间范围筛选
  手动设定极小的容差区间，直接判断数值是否落在目标值附近：

  tolerance <- 1e-8
  target_val <- target_at + 0.1
  data_lg <- data %>% filter(a_ov_t > target_val - tolerance, a_ov_t < target_val + tolerance)
  

这些方案比直接乘以整数的方法更通用：near()函数适配绝大多数浮点数场景，取整法适合精度固定的业务场景，区间筛选则能让你完全控制精度范围，避免因数值位数变化而调整代码。

内容的提问来源于stack exchange，提问作者Nate