一般的な（言語にとらわれない）理由
IEEE浮動小数点演算（ほとんどすべてのコンピューターが10進数を表し、それらを使って計算を行うために使用する標準）ですべての数値を正確に表すことができないため、必ずしも期待どおりの結果が得られるとは限りません。これは特に当てはまります。これは、単純な有限の小数（0.1や0.05など）である一部の値がコンピューターで正確に表されないため、これらの値の算術結果が「既知の」答え。
これはコンピュータ演算のよく知られた制限であり、いくつかの場所で説明されています。
スカラーの比較
これに対する標準的な解決策Rは==、ではなくall.equal関数を使用することです。か、以降のall.equalいずれかが存在する場合、違いについての詳細の多くを提供しますisTRUE(all.equal(...))。
if(isTRUE(all.equal(i,0.15))) cat("i equals 0.15") else cat("i does not equal 0.15")
収量
i equals 0.15
のall.equal代わりに使用するいくつかの例==（最後の例は、これが違いを正しく表示することを示しています）。
0.1+0.05==0.15
#[1] FALSE
isTRUE(all.equal(0.1+0.05, 0.15))
#[1] TRUE
1-0.1-0.1-0.1==0.7
#[1] FALSE
isTRUE(all.equal(1-0.1-0.1-0.1, 0.7))
#[1] TRUE
0.3/0.1 == 3
#[1] FALSE
isTRUE(all.equal(0.3/0.1, 3))
#[1] TRUE
0.1+0.1==0.15
#[1] FALSE
isTRUE(all.equal(0.1+0.1, 0.15))
#[1] FALSE
同様の質問への回答から直接コピーされた、もう少し詳細：
発生した問題は、ほとんどの場合、浮動小数点は小数を正確に表すことができないことです。つまり、完全一致が失敗することがよくあります。
あなたが言うとき、Rはわずかに横になりますが、
1.1-0.2
#[1] 0.9
0.9
#[1] 0.9
あなたはそれが10進数で本当に考えていることを知ることができます：
sprintf("%.54f",1.1-0.2)
#[1] "0.900000000000000133226762955018784850835800170898437500"
sprintf("%.54f",0.9)
#[1] "0.900000000000000022204460492503130808472633361816406250"
これらの数値は異なりますが、表現は少し扱いにくいです。それらをバイナリ（同等の16進数）で見ると、より明確な画像が得られます。
sprintf("%a",0.9)
#[1] "0x1.ccccccccccccdp-1"
sprintf("%a",1.1-0.2)
#[1] "0x1.ccccccccccccep-1"
sprintf("%a",1.1-0.2-0.9)
#[1] "0x1p-53"
あなたは、彼らがによって異なっていることがわかります2^-53これは、この数は、値が1に近い2つの数字の間の最小表現の違いであるために重要です。
Rのマシンフィールドを調べることで、この最小の表現可能な数がどのコンピューターであるかを知ることができます。
?.Machine
#....
#double.eps the smallest positive floating-point number x
#such that 1 + x != 1. It equals base^ulp.digits if either
#base is 2 or rounding is 0; otherwise, it is
#(base^ulp.digits) / 2. Normally 2.220446e-16.
#....
.Machine$double.eps
#[1] 2.220446e-16
sprintf("%a",.Machine$double.eps)
#[1] "0x1p-52"
この事実を使用して、差が浮動小数点で表現可能な最小数に近いことを確認する「ほぼ等しい」関数を作成できます。実際、これはすでに存在しています：all.equal。
?all.equal
#....
#all.equal(x,y) is a utility to compare R objects x and y testing ‘near equality’.
#....
#all.equal(target, current,
# tolerance = .Machine$double.eps ^ 0.5,
# scale = NULL, check.attributes = TRUE, ...)
#....
したがって、all.equal関数は実際には、数値間の差が2つの仮数間の最小差の平方根であることを確認しています。
このアルゴリズムは、デノーマルと呼ばれる非常に小さな数に少しおかしくなりますが、心配する必要はありません。
ベクトルの比較
上記の説明では、2つの単一値の比較を想定しています。Rでは、スカラーはなく、ベクトルのみであり、暗黙的なベクトル化が言語の強みです。ベクトルの値を要素ごとに比較するために、前の原則が成り立ちますが、実装は少し異なります。==ベクトル化（要素ごとの比較を行います）しながらall.equal、ベクトル全体を単一のエンティティとして比較します。
前の例を使用する
a <- c(0.1+0.05, 1-0.1-0.1-0.1, 0.3/0.1, 0.1+0.1)
b <- c(0.15, 0.7, 3, 0.15)
==「期待される」結果を与えall.equalず、要素ごとに実行しません
a==b
#[1] FALSE FALSE FALSE FALSE
all.equal(a,b)
#[1] "Mean relative difference: 0.01234568"
isTRUE(all.equal(a,b))
#[1] FALSE
むしろ、2つのベクトルをループするバージョンを使用する必要があります。
mapply(function(x, y) {isTRUE(all.equal(x, y))}, a, b)
#[1] TRUE TRUE TRUE FALSE
これの機能バージョンが必要な場合は、それを書くことができます
elementwise.all.equal <- Vectorize(function(x, y) {isTRUE(all.equal(x, y))})
それはちょうどと呼ぶことができます
elementwise.all.equal(a, b)
#[1] TRUE TRUE TRUE FALSE
または、all.equalさらに多くの関数呼び出しでラップする代わりに、関連する内部を複製してall.equal.numeric暗黙的なベクトル化を使用することもできます。
tolerance = .Machine$double.eps^0.5
# this is the default tolerance used in all.equal,
# but you can pick a different tolerance to match your needs
abs(a - b) < tolerance
#[1] TRUE TRUE TRUE FALSE
これは、dplyr::nearそれ自身を
これは、浮動小数点数の2つのベクトルが（ペアワイズで）等しいかどうかを比較する安全な方法です。==許容値が組み込まれているため、これを使用するよりも安全です。
dplyr::near(a, b)
#[1] TRUE TRUE TRUE FALSE