R语言ifelse函数舍入误差：0.6判断不符合预期求助

嘿，你遇到的这个坑其实是浮点数精度陷阱导致的，这在所有编程语言里都挺常见的，我来给你拆解清楚～

问题根源：浮点数的二进制存储限制 #

计算机是用二进制来存储浮点数的，但像0.6这种十进制小数，没办法转换成精确的二进制小数，所以R里存储的"0.6"其实是一个非常接近0.6但存在微小误差的数值。比如你在R里输入下面的代码看看：

print(0.6, digits = 20)

你会输出类似0.60000000000000008882的结果——这个值其实是略大于0.6的，所以当你用x <= 0.6判断时，条件不成立，ifelse就返回了原数值0.6，而不是你预期的0。

实用解决方案 #

针对这个问题，有几个简单的处理办法：

• 设置一个微小的容差（推荐）
  给你的阈值加一个极小的误差范围，允许数值在这个范围内被判定为等于阈值：

  lower_threshold <- function(x) {
    # 设置容差，比如1e-10，可根据你的精度需求调整
    tol <- 1e-10
    ifelse(x <= 0.6 + tol, 0, x)
  }
  

  这样即使x是略大于0.6的近似值，也会被正确判定。

• 使用all.equal()函数比较
  R的all.equal()函数专门用来处理浮点数的近似相等判断，它会忽略微小的精度差异：

  lower_threshold <- function(x) {
    # isTRUE()用来把all.equal的结果转成明确的逻辑值
    ifelse(isTRUE(all.equal(x, 0.6)) || x <= 0.6, 0, x)
  }
  

• 对数值先做四舍五入
  如果你的数值是经过计算得到的，且只需要保留一位小数精度，可以先四舍五入再比较：

  lower_threshold <- function(x) {
    x_rounded <- round(x, 1)
    ifelse(x_rounded <= 0.6, 0, x)
  }
  

补充说明 #

这个问题和你用的R 3.4.3版本无关，它是浮点数存储的固有特性，任何版本的R（甚至其他编程语言）都会遇到类似的情况哦～

内容的提问来源于stack exchange，提问作者HowYaDoing