R唯一命令和表命令不一致

Question

我有一个奇怪的问题。举例说明：

a <- c(3.099331946117620972814,
       3.099331946117621860992)

> unique(a)
[1] 3.099331946117620972814 3.099331946117621860992
> table(a)
a
3.09933194611762 
               2

所以unique() 正确识别出第 15 位之后的数字不同。 table() 但并不认为它们不同。

这可能是预期的行为，但它会导致我的一些代码出现错误，因为我需要它们都同意：

times <- sort(unique(times))
k <- as.numeric(table(times))

times 正确地提取了唯一时间。 k 应该是每次发生的次数，但由于上述问题，它没有正确执行此操作。

有没有人建议获得独特的和表同意？ （或其他解决方法？）

Answer 1

从计算机的角度来看，尝试在浮点数上使用 unique 或 table 在概念上是有问题的。本主题与R FAQ 7.31密切相关，摘录：

唯一可以在 R 的数字类型中精确表示的数字是整数和分母是 2 的幂的分数。所有其他数字在内部四舍五入到（通常）53 位二进制精度。结果，两个浮点数将不会可靠地相等，除非它们是由相同的算法计算的，即使那样也不总是。例如，

R> a <- sqrt(2)
R> a * a == 2
[1] FALSE
R> a * a - 2
[1] 4.440892e-16
R> print(a * a, digits = 18)
[1] 2.00000000000000044

（还有其他示例，如果好奇，我鼓励您阅读该常见问题解答主题的更多内容。）

因此，我建议您确定所需的精度，然后在寻找唯一性时准确使用这些数字。使用您的号码，您可以通过format（和sprintf）强制解决问题：

a <- c(3.099331946117620972814,
       3.099331946117621860992)

table(format(a, digits = 15))
# 3.09933194611762 
#                2 
table(format(a, digits = 16))
# 3.099331946117621 3.099331946117622 
#                 1                 1 

unique(format(a, digits = 15))
# [1] "3.09933194611762"
unique(format(a, digits = 16))
# [1] "3.099331946117621" "3.099331946117622"

---

出于好奇，unique 和table 不同的原因在于table 使用factor，而后者又使用as.character(y)。如果你做as.character(a)，就是任意把精度降到14位：

as.character(a)
# [1] "3.09933194611762" "3.09933194611762"

所以要回答您提出的问题：unique 和 table 不同，因为 table 最终使用 as.character，默认情况下此处截断为 14 位数字。 （因为它是一个原始的，你必须进入低级源才能弄清楚。）

我在上面回答的问题是基于一个基本假设，即在浮点上使用 unique 是一件好事（我认为“它不是”）。