R语言中数值向量使用%in%运算符出现异常行为的问题

问题现象 #

生成0到1、步长0.1的序列后，部分数值用%in%检查存在性时返回异常结果：

numsequence <- seq(0,1,0.1)
0.2 %in% numsequence # 返回TRUE
0.3 %in% numsequence # 返回FALSE
0.4 %in% numsequence # 返回TRUE 
0.5 %in% numsequence # 返回TRUE
0.6 %in% numsequence # 返回FALSE 

自定义循环中同样出现问题：

numsequence <- seq(0,1,0.1)
vectortosearch <- unique(simResults_SURU$ReusePrevBefore)
# vectortosearch输出为：0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
str(vectortosearch) # num [1:11] 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 ...

for(v in vectortosearch){
    print(v)
    if (v %in% numsequence ){
        print(v)
    }
}

输出结果中，0.3、0.6、0.7未通过检查，不会重复打印；但直接遍历numsequence时，所有元素都能通过自身的%in%检查。

原因分析 #

这是浮点数二进制存储的精度问题：十进制的0.1无法被二进制精确表示，seq(0,1,0.1)生成的序列里的数值是0.1近似值的累加，比如numsequence[4]实际存储的是0.30000000000000004，而非精确的十进制0.3。

而vectortosearch中的数值（如0.3）可能是精确的十进制转换结果，或者是另一种近似值。%in%底层依赖==做精确相等判断，两个近似值存在微小差异时，判断结果为FALSE。

直接遍历numsequence时，是拿序列内的元素和自身比较，近似值完全一致，所以返回TRUE。

解决方案 #

方案1：使用近似相等判断 #

用all.equal()或设置容忍度代替精确比较，比如：

for(v in vectortosearch){
    print(v)
    if (any(sapply(numsequence, function(x) all.equal(v, x)))){
        print(v)
    }
}

或者手动设置误差容忍：

for(v in vectortosearch){
    print(v)
    if (any(abs(v - numsequence) < 1e-10)){
        print(v)
    }
}

方案2：转换为整数比较 #

将浮点数乘以10转为整数，避免精度问题：

numsequence_int <- seq(0, 10, 1)
vectortosearch_int <- vectortosearch * 10

for(v_int in vectortosearch_int){
    v <- v_int / 10
    print(v)
    if (v_int %in% numsequence_int){
        print(v)
    }
}

方案3：使用专门的浮点数比较函数 #

用dplyr::near()函数，它内置了合理的容忍度：

library(dplyr)
for(v in vectortosearch){
    print(v)
    if (any(near(v, numsequence))){
        print(v)
    }
}

内容的提问来源于stack exchange，提问作者ktheyss