分支语句 属于

关于 分支语句

比较运算符

R 有一组和其他许多语言相同的运算符：

1 == 2 # FALSE
1 != 2 # TRUE
1 < 2 # TRUE
1 > 2 # FALSE
1 <= 2 # TRUE
1 >= 2 # FALSE

分支

if-then-else 的基本形式如下：

if (x > 10) {
    y <- "big"
} else if (x > 2) {
    y <- "medium"
} else {
    y <- "tiny"
}

在这种情况下，包裹布尔值的圆括号 ( ) 和包裹语句体的花括号 { } 都是必需的。

简单的if语句可以缩写：

if (x == 0) return("success")

在条件中使用向量

提前看一下 vector-filtering 概念：括号()中的条件必须求值为单个TRUE/FALSE。

在比较中纳入向量通常会得到一个布尔值向量，所以需要用聚合函数把它们包起来，比如 all()（所有值都是TRUE吗？）或 any()（至少有一个值是TRUE吗？）。

numbers <- c(4,5,7,9,10,11)
numbers %% 3 == 0 # gives vector of booleans
#> [1] FALSE FALSE FALSE  TRUE FALSE FALSE

# use any() to get a single TRUE/FALSE
if (any(numbers %% 3 == 0)) print("1 or more numbers are divisible by 3")
#> [1] "1 or more numbers are divisible by 3"

ifelse函数

如果结果只有 true/false 两种情况，另一种 if-else 形式可能会很有用。

y <- ifelse(x > 8, "big", "small")

# Don't mix result types:
z <- ifelse(x > 100, 100, "small") # numeric or string result? Expect problems!

ifelse()正好接受三个形参：

1. 布尔条件
2. 为TRUE时的值
3. 为FALSE时的值。

也可以传入向量，此时会产生向量输出。 在这种情况下，要确保两个分支得到的数据类型相同：数值、字符、逻辑等。 这会在 vector-functions 概念中介绍。

这两个结果（上面例子中的 "big", "small"）应该是单个值。 遗憾的是，如果这里传入更长的向量，R 很可能会做出令人困惑、出乎意料的事情，而且不会给出任何警告信息。

if_else函数

背景

R 语言的维护者奉行尽量避免破坏性变更的策略。 这有助于维护 CRAN 中数量庞大的第三方包，但也限制了用现代编程概念更新 base R 的能力。

近年来，陆续出现了一些扩展、有时甚至取代 R 功能的包，它们基于数十年来对 R 原始设计优缺点的经验。

这些包组成了 tidyverse 集合。 它们于 2023 年被加入 Exercism 的测试运行器，你可以在练习中使用它们。

我们的 R 学习路径比 tidyverse 的加入早了几年，所以你可能会注意到，许多社区解答仍然只使用基础语言。

dplyr包

dplyr主要用于操作数据框（课程后面会讲到）。

在代码开头用library(dplyr)加载它，或者用library(tidyverse)加载整个集合。 你可能会看到关于名称被遮蔽的警告信息，但这很少成为问题。

就目前这个概念而言，if_else函数值得一提。 它和 base R 中的 ifelse 大体相似。

library(dplyr) # warnings not shown

x <- 10
if_else(x > 8, "big", "small")
#> [1] "big"

主要区别在于，if_else可以多接受一个可选的第四个实参，用于处理 缺失 值，这类值在 R 中用 NA 表示。

xs <- c(3, NA, 10, NA, 4)  # a 5-element vector
xs
#> [1]  3 NA 10 NA  4
if_else(xs > 8, "big", "small", "missing")
#> [1] "small"   "missing" "big"     "missing" "small" 

# contrast:
ifelse(xs > 8, "big", "small")
#> [1] "small" NA      "big"   NA      "small"

你可能还会发现，if_else的错误信息比旧的ifelse好得多。

加载dplyr库之后，你还可以使用 between() 函数。

R 不允许串联比较，所以1 <= x <= 5会给出错误信息。 加载dplyr后，between(x, 1, 5)等价于x >= 1 & x <= 5，而且可能更易读。 上下限都包含在内。