data.table包中的大数字类型相等和子集

Question

我使用data.table包进行数据处理。当涉及到大数字时，我注意到了相等和子集的问题。例如：

dt <- data.table(a = c(1, 841026176807, 841026176808))
dt[a==841026176807]
          a
1: 841026176807
2: 841026176808

我认为这是数字类型（双/浮点数的表示）的精度损失，但这有效：

dt[dt$a==841026176807]
          a
1: 841026176807

为什么行为不一致？这是在某处记录还是错误？

Answer 1

R的当前实现使用32位整数作为整数向量，因此可重现的整数范围被限制在大约+/- 2 * 10 ^ 9。

如果您想在其上方存储/读取值，则需要将它们存储为64位。

包bit64可以处理此问题。

require(bit64) dt <- data.table(a = as.integer64(c(1, 841026176807, 841026176808)))

> dt[a==841026176807]
              a
1: 841026176807

Answer 2

不同的比较方法在引擎盖下调用不同的函数，其中一些不能处理整数的长度。您可以使用interger64中的bit64来解决此问题，这是在R中处理这些长整数时的标准做法。

require(data.table)
require(bit64)
dt   <- data.table(a = c(1, 841026176807, 841026176808))
dt$a <- as.integer64(dt$a)
dt[a==841026176807]

a
1: 841026176807

dt[dt$a==841026176807]

a
1: 841026176807

无论您使用data.table还是正在执行哪些操作，最好使用intger64或使用此长度的整数重新编码数据，以避免任何意外错误。