Sok nyelvben van valami, például null vagy none, amivel jelezni lehet, hogy egy érték nem létezik. Mivel az R nagy mennyiségű (gyakran rendetlen) adat kezelésére készült, több formája is van a semminek.
A cél összességében az, hogy a hiányzó vagy gyanús értékeket előfordulásukkor megjelöljük, majd kivétel dobása nélkül folytassuk.
Ha egy érték valóban nem létezik, azt NULL jelöli. Ez valószínűleg a legközelebb áll ahhoz, amit a C vagy a Python tenne.
v <- c() # zero-length vector
v
#> NULL
is.null(v)
#> [1] TRUE
Sok esetben a NULL értékeket egyszerűen figyelmen kívül hagyjuk:
c(2, 3, NULL, 5)
#> [1] 2 3 5
Azokban az esetekben, amikor egy érték létezik, de nem tudjuk, mi az, NA-t használunk. Például amikor egy úton haladó járműveket számolunk, előfordulhat, hogy az emberi megfigyelők megbetegedhetnek, vagy az automatikus érzékelők elromolhatnak, a forgalom viszont tovább folyik.
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
Így az NA egy helyőrző, amely figyelmezteti az embereket, hogy dönteniük kell, hogyan kezeljék ezt.
Talán meglepő, hogy az R-nek nincs szabványos módja az üresség ellenőrzésére, bár néhány harmadik féltől származó csomag saját függvényeket valósít meg, például az is.empty()-t.
Még egy üres vektor létrehozása sem teljesen nyilvánvaló. Egy korábbi részben láttuk, hogy a c() argumentumok nélkül NULL-t ad vissza, nem vektort.
is.vector(c())
#> [1] FALSE
Az olyan függvények, mint a logical() vagy az integer(), egy argumentumot várnak, amely megadja a kívánt hosszt; ez lehet nulla is.
z <- logical(0)
is.vector(z)
#> [1] TRUE
length(z)
#> [1] 0
Létrehozhatunk egy vektort, majd eltávolíthatunk belőle minden elemet, ahogy a Vektorok fogalma részben le van írva. Így egy megfelelő típusú, nulla hosszúságú vektort kapunk.
v <- 5
v[-1] # delete the first element
#> numeric(0)
Ebben a feladatban névjelvényeket nyomtató kódot írsz majd gyári alkalmazottak számára.
Az alkalmazottaknak van egy azonosítójuk, egy nevük és egy részlegnevük.
Az alkalmazotti jelvények címkéi a következő formátumot követik: "[id] - name - DEPARTMENT".
Valósítsd meg a print_name_badge függvényt. Egy azonosítót, egy nevet és egy részleget kap paraméterként.
A jelvény címkéjét adja vissza, a részleg nevével csupa nagybetűvel.
print_name_badge(67, "Katherine Williams", "Strategic Communication")
# => "[67] - Katherine Williams - STRATEGIC COMMUNICATION"
A számítógépes rendszer egy furcsasága miatt az új alkalmazottaknak néha még nincs azonosítójuk, amikor elkezdenek a gyárban dolgozni. Mivel a jelvények kötelezőek, kapnak egy ideiglenes jelvényt az azonosító előtagja nélkül.
Egészítsd ki a print_name_badge függvényt. Ha hiányzik az azonosító, a jelvényt azonosító nélkül nyomtassa ki.
print_name_badge(NA, "Robert Johnson", "Procurement")
# => "Robert Johnson - PROCUREMENT"
A gyár tulajdonosának is mindig jelvényt kell viselnie.
A tulajdonosnak azonban nincs részlege, és soha nem is lesz: minden részleg felett áll.
Ebben az esetben a címke a részleg neve helyett "OWNER" szöveget ír ki.
Egészítsd ki a print_name_badge függvényt. Ha a részleg NULL, feltételezd, hogy a jelvény a cég tulajdonosáé.
print_name_badge(204, "Rachel Miller", NULL)
# => "[204] - Rachel Miller - OWNER"
Vedd figyelembe, hogy előfordulhat, hogy a tulajdonos egyben új alkalmazott is.
print_name_badge(NA, "Rachel Miller", NULL)
# => "Rachel Miller - OWNER"
Durva mérőszámként arra, hogy mennyire jól osztják ki az azonosítókat, szeretnéd látni az azonosító nélküli alkalmazottak együttes fizetését. A magas érték azt jelenti, hogy sokan várnak, vagy a probléma a tapasztalt munkatársakat is érinti: mindkettő rossz.
Valósítsd meg a salaries_no_id függvényt, amely egy azonosítóvektort és egy hozzá tartozó fizetésvektort kap, és visszaadja azon emberek fizetéseinek összegét, akiknek még nincs azonosítójuk.
Mindkét vektor ugyanolyan hosszú.
ids <- c(204, NA, 210, 352, NA, 263)
salaries <- c(23, 21, 47, 35, 17, 101) * 1000
salaries_no_id(ids, salaries)
# => 38,000
Kipróbálatlan, extra tanulási feladat: Ha nincs azonosító nélküli alkalmazott, mi az az „üres vektor”, amit összegzel?
Iratkozz fel az Exercism-re, hogy megtanuld és elsajátítsd a(z) R nyelvet 21 fogalom111 feladat segítségével, valódi emberi mentorálással, mindez ingyen.