R语言极小值条件判断异常咨询：接近0的值被误判为0

这是个典型的浮点数精度问题，不是R不认为这些数值小，而是你用了错误的判断方式——浮点数的严格相等判断（==）本来就不可靠，尤其是对计算过程中产生的极小误差值。

为什么all(d==0)不生效？ #

在R（以及几乎所有编程语言）中，浮点数是用二进制存储的，很多十进制的极小值无法被精确表示。你看到的-7.774163e-13和1.554874e-12其实是计算过程中遗留的浮点误差，它们并不是严格等于0，所以all(d==0)会返回FALSE，自然进入else分支。

如何区分「严格为0」和「接近0」？ #

我们需要把两种情况分开判断，利用R提供的机器精度参数或者专门的比较函数：

• 严格判断是否为0：
  只有当数值是精确赋值的0时才触发，用all(d == 0)就可以，但只适合确认完全没有计算误差的场景。

• 判断是否为浮点误差级的极小值：
  R里有个内置的机器精度常量.Machine$double.eps，它代表当前系统下浮点数能区分的最小非零值（约2.2e-16）。我们可以用这个值作为阈值，判断数值是否接近0：

  all(abs(d) < .Machine$double.eps)
  

  另外，也可以用all.equal()函数，它默认会考虑浮点精度，返回TRUE如果两个值在误差范围内相等：

  isTRUE(all.equal(d, 0))
  

完整示例代码 #

针对你的场景，完整的分支判断可以这样写：

# 你的d矩阵
d <- matrix(c(-7.774163e-13, 1.554874e-12), nrow=2)

if(all(d == 0)){
  # 处理严格为0的情况
  cat("d是严格等于0的数值\n")
} else if(all(abs(d) < .Machine$double.eps)){
  # 处理浮点误差导致的接近0的情况
  cat("d是浮点误差级的极小值，可视为0\n")
} else {
  # 处理既不是0也不接近0的情况
  cat("d不是0，也不是接近0的极小值\n")
}

额外提醒 #

处理浮点数时，永远不要用==来判断是否等于某个特定值（哪怕是整数，大整数也可能有存储误差），一定要用基于误差范围的比较：abs(目标值 - 比较值) < 自定义阈值，阈值可以根据你的业务需求调整，默认用.Machine$double.eps就足够覆盖大多数浮点误差场景。

内容的提问来源于stack exchange，提问作者Falcon-StatGuy