R如何处理数字，以便在导出和重新导入后它们相同但不相同（）？答案

【问题标题】：How is R handling numbers so that they are the same but not indentical() after exporting and re-importing?R如何处理数字，以便在导出和重新导入后它们相同但不相同（）？
【发布时间】：2015-03-27 23:06:31
【问题描述】：

A 和 B 应该是同一个数据框。 A 是在 R 中生成的，B 是 A 导出的，然后它们又被导入到 R 中。

两者的尺寸均为 49 x 97，包含第一列字符和所有其他列编号。 str() 分别将它们列为“chr”和“num”。

根据我对数字列的看法，有时 R 会发现它们相同，有时则不同：

> identical(A,B)

FALSE
#The dataframes A and B are not the same

> identical(A[,1],B[,1])

TRUE
#The character-containing columns are the same

> identical(A[,-1],B[,-1])

FALSE
#The number-containing columns are not the same

> identical(matrix(A[,-1]),matrix(B[,-1]))

TRUE
#If the number-containing columns are converted into a matrix, they are the same

> identical(as.matrix(A[,-1]),as.matrix(B[,-1]))

FALSE
> identical(as.matrix(A[1:49,-1]),as.matrix(B[1:49,-1]))

TRUE
#But if they're converted into a matrix using as.matrix() instead of
# matrix() they're only the same if the 49 rows are explicitly indexed

我的问题： R 解释数字的方式有什么不同？
它们有时被视为双精度数，有时被视为浮点数吗？你怎么知道 R 什么时候会做其中一个，我能确定 A 和 B 真的是一样的吗？

编辑：我在 R 领域又有 2 年经验后的建议：

使用all.equal() 而不是identical() 来查看不同之处的解释并忽略微小的舍入错误
使用saveRDS() 和readRDS() 以完全相同的格式导出和重新导入（而且速度更快）
请记住，matrix() 和 as.matrix() 的行为可能不同

【问题讨论】：

通过导出它们导入，你的意思是read.table 然后write.table（或它们的变体之一）？如果是这样，它们可能会有所不同，因为文本和二进制值可能不同，但通常不会超过 10^-16。您可以通过检查max(abs(A-B)) 进行测试。如果您希望会话之间的值相同，请使用 readRDS 和 saveRDS。
如果不提供可重现的示例，可能很难回答这个问题。

标签： r import dataframe export number-formatting

【解决方案1】：

请阅读identical 的帮助页面。它应用了一套更严格和更广泛的测试，而不仅仅是检查数字条目是否相同。 R 对象的所有属性（包括名称和非打印属性）都经过身份检查。如果您想检查数值等价物，那么也许您应该首先剥离对象的属性，可能使用as.vector 或类似功能。

【讨论】：