可容忍浮点精度误差的鲁棒<、>大小比较运算实现方法

核心逻辑是给比较逻辑增加和浮点精度匹配的容差阈值，将误差范围内的数值差判定为相等，不触发大于/小于的判定逻辑，和现有all.equal的相等判断逻辑保持一致。

R中双精度浮点数的默认适配容差取.Machine$double.eps^0.5即可，量级约为1.5e-8，刚好可以覆盖常规浮点运算产生的精度偏差。

基础判定规则 #

对应常规比较运算符的鲁棒版本判定逻辑如下：

• 鲁棒大于（替代>）：仅当x比y大的幅度超过容差时返回TRUE，误差范围内的偏大判定为相等，返回FALSE
• 鲁棒小于（替代<）：仅当x比y小的幅度超过容差时返回TRUE，误差范围内的偏小判定为相等，返回FALSE
• 鲁棒大于等于（替代>=）：只要x不小于y超过容差范围即返回TRUE
• 鲁棒小于等于（替代<=）：只要x不大于y超过容差范围即返回TRUE

可直接复用的代码实现 #

通用函数版本 #

# 默认容差和all.equal保持一致
default_tol <- sqrt(.Machine$double.eps)

robust_gt <- function(x, y, tol = default_tol) {
  x - y > tol
}

robust_lt <- function(x, y, tol = default_tol) {
  y - x > tol
}

robust_gte <- function(x, y, tol = default_tol) {
  x - y > -tol
}

robust_lte <- function(x, y, tol = default_tol) {
  y - x > -tol
}

Tidyverse场景适配 #

针对tibble处理场景，还可以自定义中缀运算符，使用体验和原生比较符完全一致：

library(tidyverse)

# 自定义鲁棒比较运算符
`%gt%` <- function(x, y, tol = sqrt(.Machine$double.eps)) x - y > tol
`%lt%` <- function(x, y, tol = sqrt(.Machine$double.eps)) y - x > tol
`%gte%` <- function(x, y, tol = sqrt(.Machine$double.eps)) x - y > -tol
`%lte%` <- function(x, y, tol = sqrt(.Machine$double.eps)) y - x > -tol

# 复现测试场景
tribble(~ x, 0.1 + 0.2) %>%
  mutate(
    raw_test = x > 0.3,
    robust_test = x %gt% 0.3
  )

运行后返回结果如下：

# A tibble: 1 × 3
      x raw_test robust_test
  <dbl> <lgl>    <lgl>      
1   0.3 TRUE     FALSE       

可以看到鲁棒版本的比较返回了符合数学预期的FALSE，成功规避了0.1+0.2浮点计算误差导致的判断异常。

使用注意事项 #

• 容差阈值不需要固定，可以根据实际业务场景调整：如果处理的是保留固定小数位的金融数据、带测量误差的传感器数据，可以对应放大容差到匹配数据精度的水平，避免误判。
• 不要直接在条件判断中套用all.equal：该函数判断不相等时返回的是描述差异的字符串而非FALSE，直接用于if等判断场景会触发隐式类型转换错误，手动实现上述阈值判断稳定性更高。

内容的提问来源于stack exchange，提问作者thando