R语言矩阵子集化问题：分步获取第三列最大值所在行失效的原因咨询

这其实是浮点数精度问题在搞鬼，我来给你拆解清楚：

核心原因：浮点数的不精确存储 #

在R（以及大多数编程语言）中，像-1563.41这样的十进制小数，在底层是以二进制浮点数存储的，这个过程会产生微小的精度损失。你看到的max(results[,3])返回值表面是-1563.41，但实际存储的是一个更精确的近似值（比如可能是-1563.4099999999998或者-1563.4100000000002）。

当你手动输入-1563.41或者把它放在引号里转成字符再转回数值时，得到的是另一个近似值，和max(results[,3])的实际返回值在底层存在细微差异，所以==的严格相等判断会返回FALSE，自然找不到你想要的行。

为什么嵌套max()就有效？ #

当你写成results[results[,3] == max(results[,3]),]时，你是直接用max()返回的精确浮点数去做比较，这个数值和矩阵中对应行的第三列值是完全一致的（没有手动输入的二次近似），所以相等判断能正确命中目标行。

转成dataframe或用tidyverse失败的原因 #

本质还是同一个问题：你依然在用手动输入的-1563.41（一个近似值）去和矩阵/数据框中存储的精确浮点数做比较，精度不匹配导致筛选条件不成立。

解决方案 #

1. 推荐方案：直接使用max()的返回值
   就像你成功的代码那样，直接嵌套使用max()，避免手动输入带来的精度误差：

   results[results[,3] == max(results[,3]),]
   

2. 使用近似相等判断
   如果需要单独存储最大值再做筛选，可以用all.equal()函数判断浮点数是否近似相等：

   target_max <- max(results[,3])
   results[sapply(results[,3], function(x) isTRUE(all.equal(x, target_max))), ]
   

   如果你习惯用tidyverse，可以用dplyr::near()函数（专门处理浮点数近似相等）：

   library(dplyr)
   as.data.frame(results) %>% filter(near(V3, max(V3)))
   

内容的提问来源于stack exchange，提问作者mbuta