R语言进阶 | 程序结构控制

在R语言中有两种程序控制结构：分支结构（choices）和循环结构（loops）。

• 分支结构，比如if()和switch()，可以根据输入（判断条件）的不同选择执行不同的代码块；

• 循环结构，比如for，while 和 repeat，则可以重复执行一段代码块，但往往每次重复都有相应参数的改变。

想跳过这一期推文？如果你已经掌握以下知识点👇🏻，Go ahead

• if 和 ifelse()的区别是什么？

• 当x分别为True, False, NA时，下面代码中y的值为多少？

  y <- if (x) 3

• switch("x", x = , y = 2, z = 3)返回值是什么？

分支结构

if语句的基础形式如下所示：

if (condition) true_action
if (condition) true_action else false_action

如果判断语句condition的值为TRUE，执行true_action代码块，相反如果判断语句condition值为FALSE则执行false_action代码块。当执行的代码块包含较多语句时，往往把代码块写入{}中：

grade <- function(x) {
  if (x > 90) {
    "A"
  } else if (x > 80) {
    "B"
  } else if (x > 50) {
    "C"
  } else {
    "F"
  }
}

由于执行for语句可以返回相应的计算值，所以可以用于赋值语句：

x1 <- if (TRUE) 1 else 2
x2 <- if (FALSE) 1 else 2

c(x1, x2)
#> [1] 1 2

当使用没有else的单参数for语句，且判断值为FALSE时，此时if语句对于程序不产生任何影响。但实际上此时for语句会返回一个NULL值，只不过像c()和paste()等函数会忽略输入参数中的NULL值。

greet <- function(name, birthday = FALSE) {
  paste0(
    "Hi ", name,
    if (birthday) " and HAPPY BIRTHDAY"
  )
}
greet("Maria", FALSE)
#> [1] "Hi Maria"
greet("Jaime", TRUE)
#> [1] "Hi Jaime and HAPPY BIRTHDAY"

无效输入(Invalid input)

判断语句condition在被执行后应该是（或者本来就是）单个逻辑值：TRUE或FALSE
。而如果是其他的值则可能会引发错误。

if ("x") 1
#> Error in if ("x") 1: argument is not interpretable as logical
if (logical()) 1
#> Error in if (logical()) 1: argument is of length zero
if (NA) 1
#> Error in if (NA) 1: missing value where TRUE/FALSE needed

对于判断值是数字的情况，如果数字非零，会被解读为TRUE值；相反如果判断值为零则会被解读为FALSE；另外如果判断值是数字类型的NaN，则会抛出错误：

x <- 1:10
if (length(x)) "not empty" else "empty"
#> [1] "not empty"

if (0.5) "not empty" else "empty"
#> [1] "not empty"

x <- numeric()
if (length(x)) "not empty" else "empty"
#> [1] "empty"

if (NaN) "not empty" else "empty"
#> Error in if (NaN) "not empty" else "empty": argument is not interpretable as logical

如果判断语句是长度大于1的逻辑向量，程序会抛出警示：

if (c(TRUE, FALSE)) 1
#> Warning in if (c(TRUE, FALSE)) 1: the condition has length > 1 and only the
#> first element will be used
#> [1] 1

在R 3.5.0之后的版本，可以通过设置全局变量使程序遇到上面这种情况时抛出错误。有时候这是非常有用的，因为这样可以显式地指出程序的错误之处。

Sys.setenv("_R_CHECK_LENGTH_1_CONDITION_" = "true")
if (c(TRUE, FALSE)) 1
#> Error in if (c(TRUE, FALSE)) 1: the condition has length > 1

向量化的if语句

由于if语句不支持逻辑值向量（长度大于1），所以处理逻辑值向量的情况应该使用向量化的if语句ifelse()：

x <- 1:10
ifelse(x %% 5 == 0, "XXX", as.character(x))
#>  [1] "1"   "2"   "3"   "4"   "XXX" "6"   "7"   "8"   "9"   "XXX"

ifelse(x %% 2 == 0, "even", "odd")
#>  [1] "odd"  "even" "odd"  "even" "odd"  "even" "odd"  "even" "odd"  "even"

另外有一个向量化的且支持更多判断条件的判断函数dplyr::case_when()，其用法如下：

dplyr::case_when(
  x %% 35 == 0 ~ "fizz buzz",
  x %% 5 == 0 ~ "fizz",
  x %% 7 == 0 ~ "buzz",
  is.na(x) ~ "???",
  TRUE ~ as.character(x)
)
#>  [1] "1"    "2"    "3"    "4"    "fizz" "6"    "buzz" "8"    "9"    "fizz"

switch语句

switch()也是条件判断函数，支持多个判断条件，可以非常简单地替换复杂的if语句：

x_option <- function(x) {
  if (x == "a") {
    "option 1"
  } else if (x == "b") {
    "option 2" 
  } else if (x == "c") {
    "option 3"
  } else {
    stop("Invalid `x` value")
  }
}

##功能替换上面函数
x_option <- function(x) {
  switch(x,
    a = "option 1",
    b = "option 2",
    c = "option 3",
    stop("Invalid `x` value")
  )
}

上面的switch()语句中，如果没有匹配到正确的值，就会执行最后的stop()函数，抛出错误，如果没有stop()函数，却没有匹配到对应的值，则会隐式地返回NULL值：

(switch("c", a = 1, b = 2)) #使用()可以显示隐式输出的值
#> NULL

如果多个判断条件对应相同的输出或执行代码块，前几个判断条件对应的值或者代码块可以空缺，只需填写最后一个具有相同输出值的条件。因为如果某个判断条件对应的执行语句空缺，默认和下一个判断条件相同，这个规则是模仿C语言的switch语句。

legs <- function(x) {
  switch(x,
    cow = ,
    horse = ,
    dog = 4,  #最后一个具有相同输出值的条件
    human = ,
    chicken = 2,
    plant = 0,
    stop("Unknown input")
  )
}
legs("cow")
#> [1] 4
legs("dog")
#> [1] 4

循环结构

for语句能够遍历向量中的每个元素，具有以下的基本形式：

for (item in vector) perform_action

下面的代码中，for循环中的i变量属于全局变量，所以会覆盖已经定义的i值。

i <- 100
for (i in 1:3) {}
i
#> [1] 3

有两种方法终结for循环：

• next可以退出当前这轮循环；

• break可以退出整个for循环。

for (i in 1:10) {
  if (i < 3) 
    next

  print(i)

  if (i >= 5)
    break
}
#> [1] 3
#> [1] 4
#> [1] 5

明显的缺陷

使用for循环有3个明显的缺陷。首先，当需要生成数据，必须提前定义好容纳输出数据的容器，否则代码执行的速度会非常慢。

means <- c(1, 50, 20)
out <- vector("list", length(means))
for (i in 1:length(means)) {
  out[[i]] <- rnorm(10, means[[i]])
}

其次，当要迭代1:length(x)时，如果此时x的长度为零，则代码运行过程中可能会出现错误：

means <- c()
out <- vector("list", length(means))
for (i in 1:length(means)) {  #i取两个值1和0
  out[[i]] <- rnorm(10, means[[i]])  #因为means[[1]]索引离界，故报错
}
#> Error in rnorm(10, means[[i]]): invalid arguments

会出现上面的情况的原因是:同时支持产生递增和递减的系列值：

1:length(means)
#> [1] 1 0

如果使用seq_along(x)，则会返回和x长度一样的序列值（向量），且返回的序列值就是x中元素的索引值：

seq_along(means)
#> integer(0)

out <- vector("list", length(means))
for (i in seq_along(means)) {
  out[[i]] <- rnorm(10, means[[i]])
}

最后，如果使用for遍历S3类型向量（具有class属性的向量），循环会去除向量元素的属性：

xs <- as.Date(c("2020-01-01", "2010-01-01"))
for (x in xs) {
  print(x)
}
#> [1] 18262  #去除了按格式显示时间的属性，显示的是从1970-01-01至今的天数
#> [1] 14610


for (i in seq_along(xs)) {
  print(xs[[i]])  #[[]]索引出的时间元素变成了单个字符串，所以可以按时间格式显示
}
#> [1] "2020-01-01"
#> [1] "2010-01-01"

while和repeat

如果提前知道需要遍历的数据对象，那么使用for非常的方便。但是如果提前不知道，则可以使用另外两个相关的函数while和repaet。

• while(condition) action：如果condition值为TRUE，则执行action；

• repeat(action)：一直循环执行action，除非碰到break语句。

对于for循环编写的语句，可以改写用while实现，而对于while编写的语句，则可以改写用repeat实现，而反过来就不一定行。这就意味着while比for灵活，repeat比while灵活。但对于for循环能解决的问题可以尽量用for循环。对于很多分析任务，往往可以不使用for循环，因为map和apply等函数可以实现类似的功能，后面我们会详细讲解这些函数。