XTS中的Decimal值为何不相等？如何正确进行比较？

我来帮你捋清楚这个问题——其实这不是XTS的特性，核心原因是浮点数（哪怕你用了Decimal类型）的精度存储问题，尤其是像1.9这种无法用二进制浮点数精确表示的数值。

问题根源 #

你觉得1.9×3=5.7完全没有舍入误差，但实际在计算机里：

• 1.9这个数本身，在默认的二进制浮点数（比如R里的numeric类型）中是无法精确存储的，它会被存成一个极其接近1.9的近似值。
• 当你把这个近似值乘以3之后，得到的结果会接近5.7，但和你手动输入的5.7（同样是一个近似值）并不完全相等，这时候直接用==比较自然会失败。
• 整数能正常比较，是因为整数可以被二进制浮点数精确存储，不存在近似问题。

正确的比较方法 #

这里给你几个实用的解决方案：

1. 用近似比较代替精确相等

永远不要直接用==比较浮点数（包括Decimal类型），改用R内置的all.equal()函数，它会自动处理合理的精度差异：

library(xts)
# 假设你的XTS对象是这样创建的（以decimal包为例）
library(decimal)
t <- xts(x = decimal(c(1.9)), order.by = as.Date("2018-01-03"))

# 用all.equal进行近似比较
all.equal(t["2018-01-03"], decimal(5.7))
# 如果是默认numeric类型，可以自定义容忍度（比如1e-10）
all.equal(t["2018-01-03"], 5.7, tolerance = 1e-10)

all.equal()会返回TRUE如果两个值在合理的精度范围内匹配，默认的容忍度已经能覆盖绝大多数日常场景。

2. 确保Decimal类型被正确保留

如果你确实想用Decimal类型做精确比较，先检查XTS对象有没有偷偷把类型转成了numeric：

# 检查列的类型
class(t[,1])

如果输出是numeric而不是decimal，说明XTS在创建时自动转换了类型（XTS对非numeric类型的支持有限）。这种情况下，要么改用tibble/data.table结合日期索引来维护Decimal类型，要么还是回到近似比较的方案更省心。

3. 用Decimal运算生成预期值

不要手动输入5.7，而是用原始的Decimal值计算预期结果，这样能保证两边的精度一致：

# 用Decimal运算生成预期值
expected_value <- decimal(1.9) * 3
# 再进行比较
all.equal(t["2018-01-03"], expected_value)

这种方式能避免手动输入带来的二次精度误差，比较结果会更可靠。

内容的提问来源于stack exchange，提问作者user6467981