r中的数值比较困难

我从来都不喜欢 all.equal 为了这样的事情。在我看来,宽容有时以神秘的方式起作用。为什么不检查一下大于0.05的公差

tol = 1e-5

(a-b) >= (0.05-tol)

一般来说,如果没有舍入和常规逻辑,我发现直接逻辑比所有的逻辑都好。

如果 x == y 然后 x-y == 0 . 也许 x-y 不完全是0,所以对于这种情况,我使用

abs(x-y) <= tol

不管怎样,你必须为 一律平等 这比 一律平等 。

如果要经常使用此方法,可以将其创建为单独的运算符或覆盖原始的>=函数(可能不是个好主意):

# using a tolerance
epsilon <- 1e-10 # set this as a global setting
`%>=%` <- function(x, y) (x + epsilon > y)

# as a new operator with the original approach
`%>=%` <- function(x, y) (all.equal(x, y)==TRUE | (x > y))

# overwriting R's version (not advised)
`>=` <- function(x, y) (isTRUE(all.equal(x, y)) | (x > y))

> (a-b) >= 0.5
[1] TRUE
> c(1,3,5) >= 2:4
[1] FALSE FALSE  TRUE

为了完整起见,我将指出,在某些情况下,您可以简单地四舍五入到小数点后几位(与之前发布的更好的解决方案相比,这是一种蹩脚的解决方案)。

round(0.58 - 0.08, 2) == 0.5

选择一些公差等级:

epsilon <- 1e-10

然后使用

(a-b+epsilon) >= 0.5

但是,如果你仍然使用公差,为什么你关心a-b=.5(事实上)没有得到评估?如果你用的是公差,你是说我不在乎终点。

这是事实 如果((a-b)>=0.5) 如果((a-b)<.5)

其中一个应该总是对每对双打都正确。任何使用其中一个的代码都会隐式地定义另一个的no操作,至少是这样。如果你使用公差得到实际的.5包含在第一个,但你的问题是定义在一个连续的领域你学不到什么成就。在大多数涉及底层问题中的连续值的问题中,这一点几乎没有意义,因为任意超过.5的值将始终按其应有的方式计算。任意接近0.5的值将进入“错误”的流控制,但在连续的问题中,使用适当的精度并不重要。

公差唯一有意义的时候是在处理类型的问题时 如果((a-b)==c) 如果((a-b)!= C)

这里再多的“适当的精确”也帮不了你。原因是你必须准备好,除非你用手把a-b的位设置在一个很低的水平,否则第二个总是求值为真,而实际上你可能希望第一个有时是真的。

再来一个评论。这个 all.equal 是通用的。对于数值,它使用 all.equal.numeric . 对这个函数的检查表明它使用了 .Machine$double.eps^0.5 ,其中 .Machine$double.eps 定义为

double.eps: the smallest positive floating-point number ‘x’ such that
          ‘1 + x != 1’.  It equals ‘double.base ^ ulp.digits’ if either
          ‘double.base’ is 2 or ‘double.rounding’ is 0; otherwise, it
          is ‘(double.base ^ double.ulp.digits) / 2’.  Normally
          ‘2.220446e-16’.

(.机器手册页)。

换言之,对于你的宽容,这是一个可以接受的选择:

myeq <- function(a, b, tol=.Machine$double.eps^0.5)
      abs(a - b) <= tol