Viele Sprachen haben eine Möglichkeit wie null oder none, um einen nicht existierenden Wert anzugeben. Da R dafür ausgelegt ist, große Mengen (oft unordentlicher) Daten zu verarbeiten, gibt es mehrere Formen des Nichts.
Das übergeordnete Ziel ist, fehlende oder verdächtige Werte zu kennzeichnen, sobald sie auftreten, und dann fortzufahren, ohne eine Ausnahme auszulösen.
Wenn ein Wert wirklich nicht existiert, wird er durch NULL dargestellt. Das kommt wahrscheinlich dem am nächsten, was C oder Python tun würden.
v <- c() # zero-length vector
v
#> NULL
is.null(v)
#> [1] TRUE
In vielen Kontexten werden Werte von NULL einfach ignoriert:
c(2, 3, NULL, 5)
#> [1] 2 3 5
Für Situationen, in denen ein Wert existiert, dessen Inhalt wir aber nicht kennen, wird NA verwendet. Wenn beispielsweise Fahrzeuge auf einer Straße gezählt werden, können menschliche Beobachter krank werden oder automatische Sensoren ausfallen, aber der Verkehr fließt weiter.
v <- c(1, 2, NA, 4, 5)
v
#> [1] 1 2 NA 4 5
is.na(v) # test for data gaps
#> [1] FALSE FALSE TRUE FALSE FALSE
Somit ist NA ein Platzhalter, der Menschen warnt, dass sie entscheiden müssen, wie sie damit umgehen.
Vielleicht überraschend: R hat keine Standardmethode, um zu prüfen, ob etwas leer ist, obwohl einige Pakete von Drittanbietern eigene Funktionen wie is.empty() implementieren.
Nicht einmal das Erzeugen eines leeren Vektors ist ganz offensichtlich.
Wir haben in einem früheren Abschnitt gesehen, dass c() ohne Argumente NULL zurückgibt, keinen Vektor.
is.vector(c())
#> [1] FALSE
Funktionen wie logical() oder integer() nehmen ein Argument, das die gewünschte Länge angibt, die null sein kann.
z <- logical(0)
is.vector(z)
#> [1] TRUE
length(z)
#> [1] 0
Wir können auch einen Vektor erzeugen und dann jedes Element entfernen, wie im Vektoren-Konzept beschrieben. Das ergibt einen Vektor der Länge 0 mit einem passenden Typ.
v <- 5
v[-1] # delete the first element
#> numeric(0)
In dieser Übung schreibst du Code, um Namensschilder für Fabrikmitarbeiter auszugeben.
Mitarbeiter haben eine ID, einen Namen und einen Abteilungsnamen.
Die Beschriftungen der Mitarbeiterschilder sind wie folgt formatiert: "[id] - name - DEPARTMENT".
Implementiere die Funktion print_name_badge. Sie soll eine ID, einen Namen und eine Abteilung entgegennehmen.
Sie soll die Beschriftung des Schilds zurückgeben, wobei der Abteilungsname in Großbuchstaben geschrieben wird.
print_name_badge(67, "Katherine Williams", "Strategic Communication")
# => "[67] - Katherine Williams - STRATEGIC COMMUNICATION"
Aufgrund einer Eigenheit im Computersystem haben neue Mitarbeiter manchmal noch keine ID, wenn sie anfangen, in der Fabrik zu arbeiten. Da Schilder Pflicht sind, erhalten sie ein vorübergehendes Schild ohne das ID-Präfix.
Erweitere die Funktion print_name_badge. Wenn die ID fehlt, soll sie ein Schild ohne sie ausgeben.
print_name_badge(NA, "Robert Johnson", "Procurement")
# => "Robert Johnson - PROCUREMENT"
Selbst der Besitzer der Fabrik muss jederzeit ein Schild tragen.
Ein Besitzer hat jedoch keine Abteilung und wird auch nie eine haben: Er steht über allen Abteilungen.
In diesem Fall soll auf der Beschriftung "OWNER" statt des Abteilungsnamens stehen.
Erweitere die Funktion print_name_badge. Wenn die Abteilung NULL ist, gehe davon aus, dass das Schild dem Firmenbesitzer gehört.
print_name_badge(204, "Rachel Miller", NULL)
# => "[204] - Rachel Miller - OWNER"
Beachte, dass es möglich ist, dass der Besitzer auch ein neuer Mitarbeiter ist.
print_name_badge(NA, "Rachel Miller", NULL)
# => "Rachel Miller - OWNER"
Als grober Anhaltspunkt dafür, wie gut die IDs ausgegeben werden, möchtest du das Gesamtgehalt der Mitarbeiter ohne ID sehen. Ein hoher Wert bedeutet, dass viele warten oder dass das Problem erfahrene Mitarbeiter betrifft: Beides ist schlecht.
Implementiere die Funktion salaries_no_id, die einen Vektor von IDs und einen entsprechenden Vektor von Gehältern entgegennimmt und die Summe der Gehälter der Personen ohne ID zurückgibt.
Beide Vektoren haben die gleiche Länge.
ids <- c(204, NA, 210, 352, NA, 263)
salaries <- c(23, 21, 47, 35, 17, 101) * 1000
salaries_no_id(ids, salaries)
# => 38,000
Als zusätzliche, nicht getestete Lernaufgabe: Wenn es keine Mitarbeiter ohne ID gibt, was ist dann der „leere Vektor", den du aufsummierst?
Melde dich bei Exercism an, um R mit 21 Konzepte111 Übungen und echtem menschlichen Mentoring zu lernen und zu meistern, alles kostenlos.