这些逻辑运算符你都使用正确了吗？

最新推荐文章于 2021-11-18 16:53:00 发布

Sim1480

最新推荐文章于 2021-11-18 16:53:00 发布

阅读量559

点赞数

逻辑运算是数学运算的重要组成部分，但其更是计算机计算的底层设置。作为一门数据处理语言，逻辑运算在R中承担着非常非常重要的作用。本专题就专门为大家整理一下R语言中的逻辑运算：TRUE/FALSE.

1 基本逻辑运算符 2 异或（xor） 3 all()和any() 4 实例拆解：如何筛选非零列？

正文

1 基本逻辑运算符

注：这里将数学运算符也整理了一下，权当回顾一下。

类别	运算符	描述
数学运算符	x + y	加法
	x - y	减法
	x * y	乘法
	x / y	除法
	x ^ y或x ^**y	乘幂
	x %% y	模运算
	x %/% y	整数除法
逻辑运算符	x == y	判断是否相等【严格等于，区别于赋值“=”】
	<	判断是否小于
	x <= y	判断是否小于等于
	>	判断是否大于
	x >= y	判断是否大于等于
	x & y	向量的逻辑“与”运算(x、y以及运算结果都是向量)
	X \| y	向量的逻辑“或”运算(x、y以及运算结果都是向量)
	x && y	标量的逻辑“与”运算（返回标量）
	x \|\| y	标量的逻辑“或”运算（返回标量）
	!x	逻辑非‍
补充	xor(x,y)	异或：xor(T,F)返回TRUE
	all(x)	all()是在全部为TURE时返回T，
	any(x)	any()是存在任何一个TRUE时返回TRUE

R语言逻辑运算中额外注意2点

（1）逻辑值TRUE和FALSE可以缩写为T和F(两者都必须大写)；在算术表达式中，它们会转换为1和0。

（2）在R中，所有非零值在逻辑运算中都会被当作为TRUE。

> TRUE & FALSE  #返回[1] FALSE	
> 0.2 & 0    #返回[1] FALSE

（3）在R语言中标量常被看作含有一个元素的向量，但在逻辑运算中是存在差异。上表中逻辑“与”【&】和逻辑“或”【 | 】是对向量的逻辑运算（虽然单个标量也适用），但其返回的结果是逻辑向量，是对逻辑运算中的每一组元素进行逻辑运算后返回的结果。

因此，此处引入另外两个不常用但需要了解的逻辑运算符：

x&&y：标量的逻辑“与”运算，判断逻辑x和y中只要包含一个"&"运算的TRUE行即返回TRUE标量
x||y ：标量的逻辑“或”运算，判断逻辑向量x和y中包含一个"|"运算TRUE行即可返回TRUE标量

示例1：比较&与&&

> x <- c(TRUE,FALSE,TRUE,FALSE)	
> y <- c(TRUE,TRUE,FALSE,FALSE)	
> #---比较&与&&---#	
> x&y	
[1]  TRUE FALSE FALSE FALSE	
> 	
> x&&y  #对比第9行结果可以发现，在逻辑向量逻辑运算中只要包含一个"&"运算的TRUE行即返回TRUE	
[1] TRUE	
> x[c(2,3,4)]&&y[c(2,3,4)]	
[1] FALSE	
	
> x[1]&&y[1]  #x[1] TRUE和y[1] TRUE	
[1] TRUE	
> x[2]&&y[2]  #x[2] FALSE和y[2] TRUE	
[1] FALSE	
> x[4]&&y[4]  #x[4] FALSE和y[4] FALSE	
[1] FALSE

示例2：比较"|"与"||"

> x <- c(TRUE,FALSE,TRUE,FALSE)	
> y <- c(TRUE,TRUE,FALSE,FALSE)	
> 	
> #---比较|与||---#	
> x|y	
[1]  TRUE  TRUE  TRUE FALSE	
> 	
> x||y  #判断逻辑向量x和y中包含一个"|"运算TRUE行即可返回TRUE  	
[1] TRUE	
> 	
> x[1]||y[1]  #x[1] TRUE和y[1] TRUE	
[1] TRUE	
> x[2]||y[2]  #x[2] FALSE和y[2] TRUE	
[1] TRUE	
> x[4]||y[4]  #x[4] FALSE和y[4] FALSE	
[1] FALSE

2 异或（xor）

说明：当对应元素不等时返回TRUE。例如：

xor(T,F)返回TRUE
xor(T,T)返回FALSE
xor(F,F)返回FALSE

#xor异或：当对应元素不等时返回TRUE	
> x <- c(TRUE,FALSE,TRUE,FALSE)	
> y <- c(TRUE,TRUE,FALSE,FALSE)	
> xor(x,y)	
[1] FALSE  TRUE  TRUE FALSE

3 all()和any()

判断数据中是否存在TRUE值，其中all()是在全部为TURE时返回T，any是在存在任何一个TRUE时返回TRUE 注意事项：

（1）all(all(x), all(y)) == all(x, y)

（2）logical(0)返回TRUE

> x <- c(TRUE,FALSE,TRUE,FALSE)	
> all(x)  #all中，如果所有均为TRUE，返回TRUE；反之，返回FALSE	
[1] FALSE	
> any(x) #anyl中，如果任一值为TRUE，返回TRUE；反之，返回FALSE	
[1] TRUE	
	
#多变量all或any	
> y <- c(TRUE,TRUE,FALSE,FALSE)	
> all(x,y)	
[1] FALSE	
> all(all(x),all(y)) #all(all(x), all(y)) == all(x, y)	
[1] FALSE	
	
> any(x,y) #x，y中存在任意一个TRUE，即返回TRUE	
[1] TRUE

4 实例拆解：如何筛选非零列？

示例1：apply + ！+ all

x[,apply(x,2,function(x) !all(x==0))]

来自于知乎回答者@HopeR

> df <- matrix(c(a = rep(0,5), b = c(-1:3)),nrow = 2,byrow = TRUE)	
> x <- data.frame(df, stringsAsFactors = FALSE)	
> x	
  X1 X2 X3 X4 X5	
1  0  0  0  0  0	
2 -1  0  1  2  3	
> #来自于知乎回答者@HopeR ：x[,apply(x,2,function(x) !all(x==0))]	
#apply(x,2,function(x) !all(x==0)) #对x数据库做列操作，判断每一列中的所有元素是否为0，，然后渠非"!"	
#   X1    X2    X3    X4    X5 	
# TRUE FALSE  TRUE  TRUE  TRUE > 	
> x[,apply(x,2,function(x) !all(x==0))]	
  X1 X3 X4 X5	
1  0  0  0  0	
2 -1  1  2  3

示例2：purrr包（tidyverse）

purrr::discard(df, ~all(.x == 0))

purrr::keep(df, ~any(.x != 0))

来自花儿少年交流群

> x <- matrix(c(a = rep(0,5), b = c(-1:3)),nrow = 2,byrow = TRUE)	
> df <- data.frame(df, stringsAsFactors = FALSE)	
> library(tidyverse)	
#或library（purrr）	
-- Attaching packages --------------------------------------- tidyverse 1.2.1 --	
√ ggplot2 3.2.0     √ purrr   0.3.2	
√ tibble  2.1.3     √ dplyr   0.8.3	
√ tidyr   0.8.3     √ stringr 1.4.0	
√ readr   1.3.1     √ forcats 0.4.0	
-- Conflicts ------------------------------------------ tidyverse_conflicts() --	
x dplyr::filter() masks stats::filter()	
x dplyr::lag()    masks stats::lag()	
	
> purrr::discard(df, ~all(.x == 0))	
  X1 X3 X4 X5	
1  0  0  0  0	
2 -1  1  2  3	
	
> purrr::keep(df, ~any(.x != 0))	
  X1 X3 X4 X5	
1  0  0  0  0	
2 -1  1  2  3

640?wx_fmt=jpeg

注图片来自于tidyverse网站：https://www.tidyverse.org/

示例3：自建函数 + ifelse

来自拴小林（这个确实自己被搞复杂了）

#---生成包含全0列数据集————##	
x <- matrix(c(a = rep(0,5), b = c(-1:3)),nrow = 2,byrow = TRUE)	
df <- data.frame(df, stringsAsFactors = FALSE)	
df	
#自定义循环判断全0列，全0列re返回1，非返回0#	
re = rep(NA,dim(df)[2])	
for (i in 1:dim(df)[2]){	
  ifelse(sum(abs(df[,i]))==0,re[i] <- 1,re[i] <- 0)	
}	
	
#which(re ==0)返回非全零0列值#	
df[,which(re == 0)]	
	
#  X1 X3 X4 X5	
#1  0  0  0  0	
#2 -1  1  2  3