r - 在 R 中,为什么不 -1 + 1 = 0

标签 r seq cumsum

<分区>

有人可以帮我理解为什么 -1 + 1 <> 0 吗?

谁能帮我理解为什么当内置函数 consum()、我的函数 ct() 和 Excel 都在做同样的事情时,我会得到三个不同的值?

现在,我很确定答案是一个“回合”问题,但我无法弄清楚这部分问题的来源。我的意思是,这一切“看起来很简单”。

在 R 中,当我构建序列“a”然后运行 ​​cumsum(a) 时,我没有像我期望的那样得到 0 的结果。如果我尝试使用函数计算相同的值,我也会得到不同的答案。最后,如果我尝试使用 Excel 计算相同的值,我会得到第三个答案。

这是我使用 cumsum() 得到的结果:

> a<- seq(-1, 1, by=.1)
> a
 [1] -1.0 -0.9 -0.8 -0.7 -0.6 -0.5 -0.4 -0.3 -0.2 -0.1  0.0  0.1  0.2  0.3
[15]  0.4  0.5  0.6  0.7  0.8  0.9  1.0
> cumsum(a)
 [1] -1.000000e+00 -1.900000e+00 -2.700000e+00 -3.400000e+00 -4.000000e+00
 [6] -4.500000e+00 -4.900000e+00 -5.200000e+00 -5.400000e+00 -5.500000e+00
[11] -5.500000e+00 -5.400000e+00 -5.200000e+00 -4.900000e+00 -4.500000e+00
[16] -4.000000e+00 -3.400000e+00 -2.700000e+00 -1.900000e+00 -1.000000e+00
[21]  1.110223e-15

我编写了一个快速函数来对此进行测试,并期望得到相同的答案(或 0),但我得到了一个完全不同的答案。这是我的函数及其结果:

ct<- function(x){
        result = 0
        for(i in 1:length(x)){
           cat(i, ": Result = ", result, " + ", x[i], " = ", result + x[i], "\n")
           result = result + x[i]
        }
}

> ct(a)
1 : Result =  0  +  -1  =  -1 
2 : Result =  -1  +  -0.9  =  -1.9 
3 : Result =  -1.9  +  -0.8  =  -2.7 
4 : Result =  -2.7  +  -0.7  =  -3.4 
5 : Result =  -3.4  +  -0.6  =  -4 
6 : Result =  -4  +  -0.5  =  -4.5 
7 : Result =  -4.5  +  -0.4  =  -4.9 
8 : Result =  -4.9  +  -0.3  =  -5.2 
9 : Result =  -5.2  +  -0.2  =  -5.4 
10 : Result =  -5.4  +  -0.1  =  -5.5 
11 : Result =  -5.5  +  0  =  -5.5 
12 : Result =  -5.5  +  0.1  =  -5.4 
13 : Result =  -5.4  +  0.2  =  -5.2 
14 : Result =  -5.2  +  0.3  =  -4.9 
15 : Result =  -4.9  +  0.4  =  -4.5 
16 : Result =  -4.5  +  0.5  =  -4 
17 : Result =  -4  +  0.6  =  -3.4 
18 : Result =  -3.4  +  0.7  =  -2.7 
19 : Result =  -2.7  +  0.8  =  -1.9 
20 : Result =  -1.9  +  0.9  =  -1 
21 : Result =  -1  +  1  =  4.440892e-16

如果我将 for 循环中的最后一行更改为此,那么我将得到预期的答案 0:

result = round(result + x[I], digits = 2)

在 Excel 中,使用与我的 ct() 函数中相同的逻辑,我得到了 -2.886580E-15 的最终结果(没有四舍五入值)。

最佳答案

这是使用固定精度表示的性质,其值无法准确表示。

就像1/3不能用固定的小数位数精确表示一样,0.1也不能用固定的二进制位数精确表示.所以就像 3 x (1/3) 不可能给你 1 有固定的小数位数,添加 0.1 的倍数永远不会给你恰好 1固定精度二进制。

所以,让我们看一下六精度十进制表示法,以便更清楚地了解这一点(this 用于指示值,而不是表示法):
1 -> 1.000000
1/3 -> .333333
2/3 -> .666667
3 -> 3.000000

这给出:

1/3 + 2/3 -> 0.333333 + 0.666667 -> 1.000000 -> 1 (耶)

1/3 + 1/3 -> 0.333333 + 0.333333 -> 0.666666(不是2/3,好吧)

3 * 1/3 -> 3.00000 * 0.333333 -> .999999(不是 1,好吧)

如何处理这取决于您,但这应该是预期的行为。

要解决你的最后一个问题,为什么用两种不同的方式做“同样的事情”会产生不同的结果,它来自中间舍入。如果您曾经使用计算器进行过计算,记下一些部分中间结果,您就会知道记下哪些中间结果会有所不同。

关于r - 在 R 中,为什么不 -1 + 1 = 0,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30382948/

相关文章:

用 NA 值替换负值

parsing - Seq.Api.Client.SeqApiException : 400 - The filter expression could not be successfully parsed

python-3.x - 在 Python Pandas 中,将 cumsum 与 groupby 结合使用,并在值为 0 时重置 cumsum

python pandas 创建数据框连胜

r - 选择大范围的值在 R 中重新编码

r - 根据值在 R 中绘制颜色

r - 如何将数据框保存在以列分隔的txt或excel文件中

clojure - 为什么Clojure集合不直接实现ISeq接口(interface)?

Scala:有条件地将项目添加到序列或合并序列

r - 使用 for 循环的累积和方程