sapply传入自定义小数向量与seq生成向量结果不一致求助

这其实是个非常常见的浮点数精度陷阱，不是你的操作出错了——计算机在存储十进制小数时，很多时候只能存储近似值，而不是精确值，这就导致了看似相同的数值，实际在底层是有微小差异的，最终影响了你的比较结果。

问题根源分析 #

整数在计算机中是精确存储的，所以整数场景下seq()和手动输入的序列完全一致，结果自然匹配。但像0.1这样的十进制小数，在二进制浮点数中是无限循环的，无法精确表示：

• 你手动输入的c(0, 0.1, 0.2, ..., 0.9)里的每个小数，都是R帮你做了近似后的结果；
• 而seq(0, 0.9, 0.1)生成的序列，是通过累加0.1的近似值得到的，累加多次后误差会被放大，导致某些值和手动输入的版本出现差异。

你可以运行下面的代码直观看到这个差异：

# 查看seq生成的阈值的真实精度
print(seq(0, 0.9, 0.1), digits = 20)
# 查看手动输入阈值的真实精度
print(c(0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9), digits = 20)

比如seq生成的0.3实际是0.3000000000000000444，而手动输入的0.3是0.2999999999999999889。当你用这个近似值去和数据框里的0.3（同样是近似值0.2999999999999999889）比较时，0.2999999999999999889 >= 0.3000000000000000444的结果是FALSE，原本应该被计数的行被排除了，最终导致结果和手动输入的不一致。

解决方案 #

这里有几种简单有效的方法可以避免这个问题：

1. 转换为整数运算（推荐）

因为你的数据是(0:10)/10，本质是0-10的整数除以10，所以可以把阈值和数据都放大10倍转成整数，这样比较就是完全精确的整数比较：

t <- data.frame(replicate(10,sample((0:10)/10,1000,rep=TRUE)))
l <- sapply(c(0, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9), function(x){ 
  nrow(t[t[,"X1"] * 10 >= x * 10,]); 
});
l2 <- sapply(seq(0, 0.9, 0.1), function(x){ 
  nrow(t[t[,"X1"] * 10 >= x * 10,]); 
});
print(l)
print(l2)

2. 对seq生成的阈值做舍入处理

如果必须使用浮点数，可以把seq生成的阈值四舍五入到1位小数，消除精度误差：

l2 <- sapply(round(seq(0, 0.9, 0.1), 1), function(x){ 
  nrow(t[t[,"X1"] >= x,]); 
});

3. 用整数序列生成精确的小数阈值

先生成整数序列，再除以10，这样得到的阈值和手动输入的完全一致：

l2 <- sapply(seq.int(0, 9)/10, function(x){ 
  nrow(t[t[,"X1"] >= x,]); 
});

总结 #

这个问题是浮点数存储的固有特性导致的，不是你的操作错误。处理小数比较时，尽量优先使用整数运算、明确的舍入操作，或者用整数序列推导小数，就能避免这类精度陷阱。

内容的提问来源于stack exchange，提问作者Karthik