您可以使用near()，它是abs(x - y) < tol的 Package 器：

library(dplyr)

df %>%
  filter(near(x, 6, tol = 1e-04))

        x y
1 6.00001 1
2 6.00000 2
3 5.99999 3

使用 round：

df[ round(df$x, 4) == 6, ]
#         x y
# 1 6.00001 1
# 2 6.00000 2
# 3 5.99999 3

df[all.equal(df$x, 6, 0.0001), ]产生NA输出的原因有两个。
首先，all.equal()比较整个对象，而不是循环使用较短的向量并进行元素级比较。
看看这个例子：

all.equal(
    target = c(1, 1), 
    current = 1,
    tolerance = 1e-7
)
# [1] "Numeric: lengths (2, 1) differ"

其次，它是它产生的输出。正如你所看到的，输出是一个字符向量。你不能用这个子集化一个数据框。
这样做的原因是在文档中，其中说返回值是：
TRUE（对于attr.all.equal为NULL）或描述目标和当前之间差异的“字符”模式向量。
您也可以在all.equal.numeric()源代码中看到这一点，其逻辑是它尝试构建一个消息（msg）来解释current和target之间的区别，如果存在这样的消息，则返回该消息，否则返回TRUE：

if(is.null(msg)) TRUE else msg

因此，如果你想使用all.equal()（我可以理解你为什么要这么做），你可以使用sapply()来做元素之间的比较，测试你是否得到了一个逻辑值和在此基础上的子集：

target  <- 6
tol  <- 1e-3
df[
    sapply(
        df$x, 
        \(current) is.logical(all.equal(target, current, tol))
        ),
]

#         x y
# 1 6.00001 1
# 2 6.00000 2
# 3 5.99999 3