R：如何将长数字转换为字符串以节省精度

Question

我在 R 中将长数字转换为字符串时遇到问题。如何轻松地将数字转换为字符串以保持精度？下面有一个简单的例子。

a = -8664354335142704128
toString(a)

[1] "-8664354335142704128"

b = -8664354335142703762
toString(b)

[1] "-8664354335142704128"

a == b

[1] TRUE

我期望toString(a)== toString(b)，但我得到了不同的值。我想toString()在转换为字符串之前将数字转换为浮点数或类似的东西。

感谢您的帮助。

编辑：

> -8664354335142704128 == -8664354335142703762

[1] TRUE

> along = bit64::as.integer64(-8664354335142704128)
> blong = bit64::as.integer64(-8664354335142703762)
> along == blong

[1] TRUE

> blong

integer64
[1] -8664354335142704128

我也试过：

> as.character(blong)

[1] "-8664354335142704128"

> sprintf("%f", -8664354335142703762)

[1] "-8664354335142704128.000000"

> sprintf("%f", blong)

[1] "-0.000000"

编辑2：

我的问题首先是，如果我可以将长数转换为字符串而不会丢失。然后我意识到，在 R 中是不可能获得传递给函数的长数的真实值，因为 R 会自动读取带有损失的值。

例如，我有这样的功能：

> my_function <- function(long_number){
+ string_number <- toString(long_number)
+ print(string_number)
+ }

如果有人使用它并传递了一个很长的数字，我将无法获得确切传递了哪个数字的信息。

> my_function(-8664354335142703762)
[1] "-8664354335142704128"

例如，如果我从文件中读取一些数字，这很容易。但这不是我的情况。我只需要使用一些用户通过的东西。

我不是 R 专家，所以我很好奇为什么它在另一种语言中有效而在 R 中无效。例如在 Python 中：

>>> def my_function(long_number):
...     string_number = str(long_number)
...     print(string_number)
... 
>>> my_function(-8664354335142703762)
-8664354335142703762

现在我知道了，问题在于 R 如何读取和存储数字。每种语言都可以做不同的事情。我必须改变如何将数字传递给 R 函数的方式，它解决了我的问题。

所以我的问题的正确答案是：

““我想 toString() 将数字转换为浮点数”，不，你自己做的（即使是无意的）。- 不，R 自己做的，这就是 R 读取数字的方式。

所以我将 r2evans 的答案标记为最佳答案，因为该用户帮助我找到了正确的解决方案。谢谢！

Answer 1

最重要的是，在转换为 64 位整数之前，您必须（在这种情况下）将大数字作为字符串读取：

bit64::as.integer64("-8664354335142704128") == bit64::as.integer64("-8664354335142703762")
# [1] FALSE

关于您尝试过的一些要点：

• “我想 toString() 将数字转换为浮点数”，不，你自己做的（即使是无意的）。在 R 中，创建数字时，5是浮点数，5L是整数。即使您尝试将其创建为整数，它也会抱怨并失去精度：

  class(5)
  # [1] "numeric"
  class(5L)
  # [1] "integer"
  class(-8664354335142703762)
  # [1] "numeric"
  class(-8664354335142703762L)
  # Warning: non-integer value 8664354335142703762L qualified with L; using numeric value
  # [1] "numeric"
  

• 更恰当地说，当您将其作为数字输入然后尝试对其进行转换时，R 首先处理括号的内部。也就是说，与

  bit64::as.integer64(-8664354335142704128)
  

  R 首先必须解析和“理解”括号内的所有内容，然后才能将其传递给函数。（这通常是编译器/语言解析的事情，而不仅仅是 R 的事情。）在这种情况下，它看到它似乎是一个（大）负浮点数，因此它创建了一个类numeric（浮点数）。只有然后它发送这个numeric的功能，但由这点精度已经丢失。因此，否则不合逻辑

  bit64::as.integer64(-8664354335142704128) == bit64::as.integer64(-8664354335142703762)
  # [1] TRUE
  

  在这种情况下，该数字的 64 位版本正好符合您的预期。

  bit64::as.integer64(-8664254335142704128)  # ends in 4128
  # integer64
  # [1] -8664254335142704128                 # ends in 4128, yay! (coincidence?)
  

  如果减去 1，则结果相同integer64：

  bit64::as.integer64(-8664354335142704127)  # ends in 4127
  # integer64
  # [1] -8664354335142704128                 # ends in 4128 ?
  

  这样持续了好一阵子，直到最后转移到下一个圆点

  bit64::as.integer64(-8664254335142703617)
  # integer64
  # [1] -8664254335142704128
  bit64::as.integer64(-8664254335142703616)
  # integer64
  # [1] -8664254335142703104
  

  差异为 1024 或 2^10 不太可能是巧合。我还没有钓鱼，但我猜这对于 32 位土地中的浮点精度来说是有意义的。

• 幸运的是，bit64::as.integer64有几个 S3 方法，可用于将不同的格式/类转换为integer64

  library(bit64)
  methods(as.integer64)
  # [1] as.integer64.character as.integer64.double    as.integer64.factor   
  # [4] as.integer64.integer   as.integer64.integer64 as.integer64.logical  
  # [7] as.integer64.NULL     
  

  因此，bit64::as.integer64.character可能很有用，因为当您键入它或将其作为字符串读入时，精度不会丢失：

  bit64::as.integer64("-8664354335142704128")
  # integer64
  # [1] -8664354335142704128
  bit64::as.integer64("-8664354335142704128") == bit64::as.integer64("-8664354335142703762")
  # [1] FALSE
  

• 仅供参考，您的号码已经接近 64 位边界：

  -.Machine$integer.max
  # [1] -2147483647
  -(2^31-1)
  # [1] -2147483647
  log(8664354335142704128, 2)
  # [1] 62.9098
  -2^63 # the approximate +/- range of 64-bit integers
  # [1] -9.223372e+18
  -8664354335142704128
  # [1] -8.664354e+18