numeric 与 integer：R 的两种数字类型
R 用两种方式存储数字。numeric（以双精度浮点数存储）是默认类型：除非你另有说明，你输入的每个数字都是 double。integer 是一种单独的精确整数类型，要用 L 后缀来指定：
实际上你很少需要在意这一点：R 会悄悄地在两者之间转换，而且 is.numeric() 对两者都返回 TRUE（完整的类型系统见数据类型）。唯一能看出区别的地方是除法：/ 总是返回 double，即使是两个整数相除：
integer 主要作为计数函数（length()、seq_len()、nrow()）的输出和索引值出现。需要做整数除法时，R 有一个专门的运算符，下文会讲到。
取整函数家族
R 提供了五种截取数字的方式，每种都有不同的含义：
round(x, digits)：保留指定的小数位数（默认是 0）。floor(x)：向下取整到最近的整数，总是朝负无穷方向。ceiling(x)：向上取整，总是朝正无穷方向。trunc(x)：直接砍掉小数部分，总是朝零的方向。注意负数时的区别：trunc(-2.7)是-2，而floor(-2.7)是-3。signif(x, digits)：保留指定的有效数字位数，而不是小数位数：signif(123456, 2)是120000。
还有一个著名的意外：根据 IEEE 754 标准，round() 对恰好是一半的数采用四舍六入五成双（银行家舍入）：
它打印 0 2 2 4：每个一半都舍入到最近的偶数。这不是 bug，它能防止你对大量舍入后的值求和时产生系统性的向上偏差。如果报告需要课本式的四舍五入，可以加一个极小的偏移量，或者改在展示层做格式化。
常用数学函数
基础函数的用法和你猜的完全一样：
sqrt() 是平方根，abs() 是绝对值，^ 是乘方，exp(x) 是 e 的 x 次方，所以 exp(1) 就是欧拉数，约为 2.718282。
唯一容易让人栽跟头的是 log()。在 R 中，log() 是自然对数（以 e 为底），而不是以 10 为底：
第一行打印的大约是 4.60517，而不是习惯以 10 为底的人所期待的 2。要用这些底数时，请使用 log10() 和 log2()，或者显式传入 base =。（这一约定在统计学中是标准做法，自然对数就是默认的对数。）
取模 %% 与整数除法 %/%
有两个运算符负责余数运算：
%% 是取模（求余数）：17 除以 5 等于 3 余 2。%/% 是整数除法：17 里能放下几个完整的 5。两者共同满足 x == (x %/% y) * y + (x %% y)。
%% 的经典用途是检查能否整除：
负数有一个细节：R 的 %% 结果的符号跟随除数（和 Python 一样，和 C 不同）：
结果是 2，而不是 -1：R 回答的是“3 的某个倍数加上多少才能得到 -7？”，这样当除数为正时，结果总是在 0..2 之间。用来让索引循环回绕很方便；如果你是从 C 或 Java 转过来的，就会觉得意外。
特殊值：Inf、-Inf 与 NaN
R 的数字遵循 IEEE 754，所以有些运算会产生特殊值，而不是报错：
1/0 是 Inf（无穷大），-1/0 是 -Inf，而 0/0 这个真正无定义的量是 NaN，即“不是一个数”（not a number）。这个区别很重要：Inf 是一个答案（“比任何数都大”），NaN 则是没有答案。要用专门的函数检测它们，因为 == NaN 永远行不通：
注意最后一行：NaN 也算作 NA，所以 is.na() 能捕获它。这又是一个理由，说明 is.na() 为什么是检查“这个值能不能用？”的标准方式（详见缺失值）。
R 还原生支持读写科学计数法：2.5e3 就是 2500，非常小或非常大的数默认会以 e 记数法打印：
当报告需要普通的小数形式时，使用 format(x, scientific = FALSE)（或者 scipen 选项）。
浮点数的意外
所有以二进制存储小数的语言都有这个问题，R 也不例外：
结果是 FALSE，因为 0.1 + 0.2 实际上是 0.30000000000000004。0.1 和 0.2 都没有精确的二进制表示，微小的误差会累积起来。R 默认只显示 7 位有效数字，把这一点隐藏了起来，所以在某次 == 比较失败之前，你根本察觉不到这个问题。
规则是：永远不要用 == 比较计算出来的小数。 请使用 all.equal()，它会在合理的容差范围内进行比较：
之所以要用 isTRUE() 包起来，是因为值不相等时，all.equal() 返回的是一段描述差异的文字（而不是 FALSE）。对于需要精确的整数运算，integer 在约 21亿以内都是精确的，这也是计数代码使用整数类型的另一个原因。
要点回顾
- 你输入的每个数字都是 double；
42L才是 integer，而且无论如何/都返回 double。 round()采用四舍六入五成双；floor/ceiling/trunc/signif各有不同的截取方式，要清楚你想要的是哪一个。log()是自然对数；其他底数用log10()、log2()或base =。%%给出余数（符号跟随除数），%/%给出整数商。1/0是Inf，0/0是NaN，而且0.1 + 0.2 != 0.3：比较小数要用all.equal()，永远不要用==。
下一篇：日常数据的另一半，字符串，以及 R 为构造、格式化和搜索字符串提供的函数。
常见问题
R 语言中 numeric 和 integer 有什么区别？
numeric（double，双精度）是你输入的任何数字在 R 中的默认类型：42 虽然看起来是整数，其实是 double。integer 是一种单独的存储类型，要用 L 后缀来指定：42L。普通除法总是返回 double，即使是两个整数相除；要做整数除法，请用 %/%。
R 语言中的 log() 是自然对数吗？
是的，R 中的 log(x) 是自然对数（以 e 为底），而不是以 10 为底。以 10 为底用 log10()，以 2 为底用 log2()，任意底数用 log(x, base = b)。log(100) 约为 4.605，而不是 2。
R 语言中 round() 是怎么取整的？
round(x, digits) 会四舍五入到指定的小数位数，但恰好是一半的数会采用“四舍六入五成双”（银行家舍入）：round(2.5) 是 2，round(3.5) 是 4。这遵循 IEEE 754 标准，能在对舍入后的值求和时减少偏差，但会让期待课本式四舍五入的人感到意外。
R 语言中 0.1 + 0.2 为什么不等于 0.3？
double 是以二进制存储的，而 0.1、0.2 和 0.3 都没有精确的二进制表示，所以 0.1 + 0.2 实际上是 0.30000000000000004。永远不要用 == 比较计算出来的小数；请用 isTRUE(all.equal(x, y))，或者检查 abs(x - y) < 1e-9。
