條件式 在

關於 條件式

比較運算子

R 有一組運算子，和其他許多程式語言相同：

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"
}

在這個例子中，布林值前後的括號( )與主體前後的大括號{ }都是必要的。

簡單的if敘述可以縮寫成：

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

在條件式中使用向量

先預告一下之後會介紹的vector-filtering概念：括號()裡的條件子句必須求出單一的TRUE/FALSE。

在比較中加入向量通常會得到一個布林向量，因此需要用聚合函式包起來，例如all()（所有值都是 TRUE 嗎？）或any()（至少有一個值是 TRUE 嗎？）。

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 函式

另一種 if-else 形式可能很有用，前提是結果只會有 true/false 兩種。

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

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

ifelse()正好接受三個參數：

1. 布林條件子句
2. TRUE時的值
3. FALSE時的值。

向量輸入也可以接受，此時輸出也會是向量。 在這種情況下，要確保兩個分支產生相同型別的資料：數字、字元、邏輯值等等。 這部分會在vector-functions概念中介紹。

兩個結果（上例中的"big", "small"）都應該是單一值。 可惜的是，在這裡給出更長的向量，很可能會讓 R 做出令人困惑又出乎意料的事，而且不會出現警告訊息。

if_else 函式

背景

R 語言的維護者奉行一項政策：盡可能避免破壞性變更。 這有助於維護 CRAN 中大量的第三方套件，卻也限制了用現代程式設計概念更新 base R 的能力。

近年來，陸續有一些套件問世，它們延伸、有時甚至取代了 R 的功能，這些套件奠基於數十年來對原始 R 設計優缺點的經驗。

這些套件組成了tidyverse集合。 它們在 2023 年被加入 Exercism 的測試執行器，你可以在練習中使用它們。

我們的 R 軌道比 tidyverse 的加入早了許多年，因此你可能會注意到，許多社群解答都堅持使用基礎語言。

dplyr 套件

dplyr主要用來操作資料框（之後會在課程中介紹）。

你可以用library(dplyr)加在程式碼開頭，或用library(tidyverse)加入整個集合。 你可能會看到關於名稱被遮蔽的警告訊息，但這很少造成問題。

就目前這個概念而言，值得提一下if_else函式。 它大致上類似 base R 中的ifelse。

library(dplyr) # warnings not shown

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

主要差異在於，if_else可以接受一個選用的第四個引數，用來處理 R 中以NA表示的缺失值。

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"

你也可能會發現，if_else的錯誤訊息比舊版的ifelse好得多。

載入dplyr套件之後，你還可以使用between()函式。

R 不允許串接比較，所以1 <= x <= 5會產生錯誤訊息。 載入dplyr之後，between(x, 1, 5)等於x >= 1 & x <= 5，而且可能更好讀。 上下限都包含在內。