使用dplyr或Base R按行和筛选数据框返回空行的技术问题

嘿，我来帮你搞定这个困扰！你遇到的问题核心原因其实是浮点数的精度误差，咱们一步步拆解来看：

问题根源 #

你用seq(-1, 1, 0.2)生成的是浮点数，虽然看起来是规整的0.2、0.4这类数值，但计算机存储浮点数时会有微小的精度偏差（比如0.2在二进制里是无限循环的）。当你计算rowSums(df)时，这些偏差会累积，导致soma列的数值看起来和预期一致，但实际底层存储的是带有微小误差的数值，直接用==比较就会匹配失败。而你用整数筛选时，整数的存储是精确的，所以不会有这个问题。

解决方案 #

1. 使用dplyr的near()函数（推荐） #

dplyr专门提供了near()函数来处理浮点数的近似比较，它会允许一个极小的误差范围，避免精度问题：

library(dplyr)
x <- seq(-1, 1, 0.2)
df <- data.frame(V1 = x, V2 = x, V3 = x, V4 = x, V5 = x)
df <- df %>% mutate(soma = rowSums(df))

# 用near()替代==进行浮点数比较，比如筛选行和为1的行
df %>% filter(near(soma, 1))

2. 对数值进行四舍五入处理 #

如果你的业务场景允许，可以把行和以及要比较的数值都四舍五入到指定小数位，消除精度偏差：

df <- df %>% mutate(soma = round(rowSums(df), 1))
df %>% filter(soma == 1.0)

3. Base R中的解决方法 #

在Base R里，你可以用all.equal()函数来进行近似比较（需要结合Vectorize()处理向量），或者同样用round()：

x <- seq(-1, 1, 0.2)
df <- data.frame(V1 = x, V2 = x, V3 = x, V4 = x, V5 = x)
df$soma <- rowSums(df)

# 方法1：用Vectorize(all.equal)实现向量级近似比较
df[Vectorize(function(a, b) isTRUE(all.equal(a, b)))(df$soma, 1), ]

# 方法2：四舍五入后精确匹配
df$soma <- round(df$soma, 1)
df[df$soma == 1.0, ]

验证偏差 #

你可以打印出soma列的真实数值，就能看到隐藏的精度偏差：

print(df$soma, digits = 15)

会看到类似1.000000000000001或者0.999999999999999这样的数值，这就是直接用==匹配不到的原因！

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