R語言基礎(chǔ)--循環(huán)語句

6

R語言基礎(chǔ)--循環(huán)語句

參考文章

if語句

用法如下所示：
if(條件) 表達(dá)式
if(條件) 表達(dá)式1 else 表達(dá)式2

其中if語句具體就是包含下面3個元素：

  1. 關(guān)鍵字if；
  2. 條件語句的判斷結(jié)果，也就是一個邏輯值，是TRUE或FALSE；
  3. 執(zhí)行語句，也就是上面提到的表達(dá)式。

if語句案例1-簡單案例

先看一個簡單的案例，代碼如下所示：

p <- 0.03 ;{
if (p <= 0.05)
print("p<=0.05!")
else print("p > 0.05!")
}

運(yùn)行結(jié)果如下所示：

p <- 0.03 ;{

+     if (p <= 0.05)
+         print("p<=0.05!")
+     else print("p > 0.05!")
+ }

[1] "p<=0.05!"

if語句案例2-函數(shù)體中添加if語句

現(xiàn)在編寫一個函數(shù),命名為priceCalulator()，這個函數(shù)的功能在于按照服務(wù)時長計算應(yīng)該收取的費(fèi)用，函數(shù)接收2個參數(shù)，分別是服務(wù)時長（hours）與每小時的單價(pph)，代碼如下所示：

priceCalculator <- function(hours, pph=40){
  net.price <- hours*pph
  round(net.price)
}

現(xiàn)在如果我們還要添加一個功能，例如有一批大客戶，如果他們的服務(wù)需求時間長高于100小時，就打9折，也就是說，如果hours大于100，最后的總價乘以0.9，代碼更改如下所示：

priceCalculator <- function(hours, pph=40){
  net.price <- hours*pph
  if(hours > 100){
    net.price <- net.price*0.9
  }
  round(net.price)
}

運(yùn)行結(jié)果如下所示：

priceCalculator(hours = 55)

[1] 2200

priceCalculator(hours = 110)

[1] 3960

if語句的省略形式

如果if語句的條件只有一行的話，那么就可以省略兩旁的大括號，例如前面的服務(wù)計費(fèi)案例可以改為如下形式：

if(hours > 100) net.price <- net.price*0.9

完整的代碼如下所示：

priceCalculator <- function(hours, pph=40){
  net.price <- hours*pph
  if(hours > 100) net.price <- net.price*0.9
  round(net.price)
}

ifelse語句

if...else是if條件語句的擴(kuò)展，它的用法如下：

if(條件語句1){
    表達(dá)式1
}else{表達(dá)式2
     }

其中，當(dāng)條件語句1為TRUE時，執(zhí)行表達(dá)式1，當(dāng)條件語句1為FALSE時，執(zhí)行表達(dá)式2。

還以前面的if語句中的服務(wù)費(fèi)用案例繼續(xù)說明一下，在一些國家，針對不同類型的客戶（公共組織或私有組織），除了就會的服務(wù)費(fèi)外，還會收取不同的稅(VAT)，假設(shè)公共組織需要支付6%的VAT，而私有組織需要支付12%的VAT，此時可以在priceCalculator()函數(shù)中添加一個新的參數(shù)public，用于判斷組織是否是公共組織，現(xiàn)在代碼更改如下所示：

priceCalculator <- function(hours, pph=40, public = TRUE){
  net.price <- hours*pph
  if(hours > 100) net.price <- net.price*0.9
  if(public){
    tot.price <- net.price * 1.06
  } else {
    tot.price <- net.price * 1.12
  }
  round(tot.price)
}

例如同樣工作25時，對于公共和私有組織客戶的收費(fèi)是不一樣的，計算結(jié)果如下所示：

priceCalculator(25, public = TRUE)

[1] 1060

priceCalculator(25, public = FALSE)

[1] 1120

上面代碼的運(yùn)行過程就使用到了if...else...語句，如果參數(shù)public的值為TRUE，那么稅后價是總價乘以1.06，否則要乘以1.12。

對于if...else...語句的表達(dá)式而言，如果只有一行代碼，可以省略大括號，如下所示：

if(public) tot.price <- net.price * 1.06 else

  tot.price <- net.price * 1.12

其中else要放到行末，不能放到下一行的行首，這是因?yàn)橹灰粋€命令明顯沒有結(jié)束，R會自動讀取多行代碼，將它們合成一行，如果else沒有放在行末，那么R會認(rèn)為第一行代碼已經(jīng)結(jié)束，從而在執(zhí)行下一行代碼時報錯，只有當(dāng)條件表達(dá)式出現(xiàn)在函數(shù)中，并且一次性地Source整個腳本文件時，else才能出現(xiàn)在行首。

if...else...還能繼續(xù)簡化，我們可以把if理解為一個函數(shù)，它的計算結(jié)果是TRUE或FALSE，因此可以把if表達(dá)式賦予一個對象，或者直接用到計算中，這里可以省略重新計算net.price的過程，直接將結(jié)果賦給tot.price`，如下所示：

tot.price <- net.price * if(public) 1.06 else 1.12

如果這么寫，R會先執(zhí)行if...else表達(dá)式，得到結(jié)果后，再乘以net.price，然后將結(jié)果賦給tot.price。

判斷選擇的向量化

還以上面的priceCalculator()函數(shù)為例說明一下，這個函數(shù)的參數(shù)是一個數(shù)，而非一個向量，如果要計算一個向量就會出現(xiàn)警告信息，如下所示：

priceCalculator <- function(hours, pph=40, public = TRUE){
  net.price <- hours*pph

  if(hours > 100) net.price <- net.price*0.9

  if(public){

    tot.price <- net.price * 1.06
  } else {
    tot.price <- net.price * 1.12
  }
  round(tot.price)
}

priceCalculator(c(25, 110))

計算結(jié)果如下所示：

priceCalculator(c(25, 110))

[1] 1060 4664

Warning message:

In if (hours > 100) net.price <- net.price * 0.9 :

  the condition has length > 1 and only the first element will be used

從警告信息可以看出，R會告訴我們丟失了一些信息，并且反映出了整個計算結(jié)果就是錯誤的，因此第二個客戶的最終結(jié)果應(yīng)該是4198，而非4664，如下所示：

priceCalculator(110)

[1] 4198

這是因?yàn)榫嫘畔⒅刑崾荆?code>if表達(dá)式只能處理單個值，而hours > 100返回的是兩個值，如下所示：

 c (25, 110) > 100

[1] FALSE  TRUE

ifelse()函數(shù)

如果使用ifelse()函數(shù)就能解決上面提到的問題，ifelse()函數(shù)接收3個參數(shù)：

  1. 包含邏輯值的條件向量；
  2. 包含返回值的向量，它僅在對應(yīng)條件向量值為TRUE時才被返回；
  3. 另外一個包含返回值的向量，它僅在對應(yīng)條件向量為FALSE時才被返回。

ifelse案例1-簡單案例

先看一個簡單的ifelse案例，如下所示：

ifelse(c(1,3) < 2.5, 1:2, 3:4)

[1] 1 4

這行語句的運(yùn)行過程為：

  1. 條件表達(dá)式c(1,3) < 2.5被解析成一個邏輯向量，計算結(jié)果為[1] TRUE FALSE；
  2. 這個邏輯向量的第一個值為TRUE，因此1確實(shí)小于2.5，所以結(jié)果向量的第1個元素為第2個參數(shù)的第1個元素，也就是1；
  3. 條件向量的第2個值為FALSE，因?yàn)?比2.5大，所以ifelse()函數(shù)將取第3個參數(shù)的第2個值（也就是4）作為結(jié)果向量的第2個元素。
  4. 把選出的值合成一個向量作為結(jié)果返回。

再來看一個簡單的案例：

x <- c(1,1,1,0,0,1,1)

ifelse(x != 1, 1, 0) 

# 若果x的值不等于1，輸出1，否則輸出0
# [1] 0 0 0 1 1 0 0

現(xiàn)在我們更改priceCalculator()函數(shù)，假設(shè)有2個客戶，服務(wù)時長分別為25小時和110小時，那么就可以采用下面的代碼完成計算：

my.hours <- c(25, 110)
my.hours*40*ifelse(my.hours > 100, 0.9, 1)

[1] 1000 3960

在上面的代碼中，ifelse()函數(shù)會計算my.hours > 100的結(jié)果，分別是FALSE和TRUE，其中，25對應(yīng)的是FALSE，那么結(jié)果就是my.hour*40*1，110對應(yīng)的是TRUE，結(jié)果就是my.hour*40*0.9。

現(xiàn)在繼續(xù)改造priceCalculator()函數(shù)，例之成為真正能處理向量的函數(shù)，此時需要改造public參數(shù)，代碼如下所示：

priceCalculator <- function(hours, pph=40, public){
  net.price <- hours*pph
  net.price <- net.price * ifelse(hours > 100, 0.9, 1)
  tot.price <- net.price * ifelse(public, 1.06, 1.12)
  round(tot.price)
}

clients <- data.frame(
  hours = c(25, 110, 125, 40), 
  public = c(TRUE, TRUE, FALSE, FALSE)
)

with(clients, priceCalculator(hours, public = public))

運(yùn)行結(jié)果如下所示：

with(clients, priceCalculator(hours, public = public))

[1] 1060 4198 5040 1792

ifelse案例2-在函數(shù)中添加ifelse

看一個案例，有兩個向量，分別為x和y，它們是時間序列，例如它們是每小時收集的氣溫和氣壓測量值，我們定義兩者的相關(guān)性為x和y同時上升或下降次數(shù)占總觀測數(shù)的比例（其實(shí)就是Kendall’s tau方法），也就是計算y[i+1]-y[i]1與x[i+1]-x[i]符號相同時的次數(shù)占總數(shù)i的比例，代碼如下所示：

findud <- function(v){
  vud <- v[-1]-v[-length(v)]
  return(ifelse(vud > 0, 1,-1))
}

udcorr <- function(x,y){
  ud <- lapply(list(x,y),findud)
  return(mean(ud[[1]] == ud[[2]]))
}

現(xiàn)在看一個案例，如下所示：

x <- c(5,12,13,3,6,0,1,15,16,8,88)
y <- c(4,2,3,23,6,10,11,12,6,3,2)

udcorr(x,y)

[1] 0.4

在這個案例中，x和y在10次中同時上升3次（第一次同時上升是12到13，2到3），并同時下降1次，得到的相關(guān)性估計為4/10=0.4。

這個函數(shù)的思路就是先把x和y的值編碼為1和-1，其中1代表當(dāng)前觀測值較前一個增加，-1表示減少，這個轉(zhuǎn)換過程就是通過vud <- v[-1]-v[-length(v)]這行代碼實(shí)現(xiàn)的。

其中，x[-1]-x[-11]表示的就是第2個元素減去第1個元素，第3個元素減去第2個元素等等，如下所示：

x[-1]-x[-11]

 [1]   7   1 -10   3  -6   1  14   1  -8  80

return(ifelse(vud > 0, 1,-1))這個語句就是把上面的向量再轉(zhuǎn)換為1與-1，如下所示：

 ifelse(x[-1]-x[-11] >0, 1, -1)

 [1]  1  1 -1  1 -1  1  1  1 -1  1

接著又構(gòu)建了一個udcorr這個函數(shù)。其中ud <- lapply(list(x,y),findud)這行的功能就是，使用lapply()函數(shù)對xy構(gòu)成的這個列表使用findud函數(shù)，如下所示：

list(x,y)

[[1]]

 [1]  5 12 13  3  6  0  1 15 16  8 88

[[2]]

 [1]  4  2  3 23  6 10 11 12  6  3  2

lapply(list(x,y),findud)

[[1]]

 [1]  1  1 -1  1 -1  1  1  1 -1  1

[[2]]

 [1] -1  1  1 -1  1  1  1 -1 -1 -1

最后使用return(mean(ud[[1]] == ud[[2]]))這行代碼來計算里面的均數(shù)，因?yàn)?code>ud[[1]] == ud[[2]]的結(jié)果是一個邏輯向量，如下所示：

ud[[1]] == ud[[2]]

 [1] FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE FALSE  TRUE FALSE

對于邏輯向量來說，TRUE就是1，F(xiàn)ALSE就是0，因此計算這個向量的均值就是計算TRUE占總向量數(shù)目的比例，如下所示：

mean(ud[[1]] == ud[[2]])

[1] 0.4

# 邏輯向量也能使用數(shù)學(xué)函數(shù)，如下所示，TRUE就是1

sum(c(TRUE,TRUE,TRUE))

[1] 3

但是在R中，上面的代碼可以用diff()這個函數(shù)來進(jìn)行計算，這個函數(shù)可以對向量做“滯后”運(yùn)算，這個運(yùn)算的效果如下所示:

x

 [1]  5 12 13  3  6  0  1 15 16  8 88

diff(x)

 [1]   7   1 -10   3  -6   1  14   1  -8  80

從上面的結(jié)果我們可以看出來，這個滯后運(yùn)算其實(shí)就是后一個數(shù)減去前一個數(shù)。與滯后運(yùn)算相匹配的函數(shù)是sign()函數(shù)，它可以將正值與負(fù)值轉(zhuǎn)換為1，-1或0，如下所示：

x

 [1]  5 12 13  3  6  0  1 15 16  8 88

diff(x)

 [1]   7   1 -10   3  -6   1  14   1  -8  80

sign(diff(x))

 [1]  1  1 -1  1 -1  1  1  1 -1  1

因此，我們可以把undcorr()函數(shù)換一種方式寫，如下所示：

udcorr <- function(x,y){
  mean(sign(diff(x))==sign(diff(y)))
}

ifelse案例3-轉(zhuǎn)換某個字符串

ifelse()可以嵌套使用，看一個案例，g是一個鮑魚的數(shù)據(jù)集，性別被編號為M、F或I（I是指Infant，幼蟲的意思），現(xiàn)在我們將這些編號轉(zhuǎn)換為1、2或3，如下所示：

g <- c("M","F","F","I","M","M","F")
g

[1] "M" "F" "F" "I" "M" "M" "F"

ifelse(g == "M",1,ifelse(g == "F",2,3))

[1] 1 2 2 3 1 1 2

上面代碼的運(yùn)行過程是這個樣子的：

  1. R先執(zhí)行外層的ifelse()，其中當(dāng)g=="M"時，返回1；否則就返回ifelse(g == "F",2,3)；
  2. 當(dāng)返回的是ifelse(g == "F",2,3)，這是一個表達(dá)式，還能計算，那么如果g=="F"，就返回2，否則返回3。

如果希望按照性別形成子集，那么可以使用which()函數(shù)尋找M、F或I對應(yīng)元素的編號，如下所示：

m <- which(g == "M")

f <- which(g == "F")

i <- which(g == "I")

m
[1] 1 5 6

f
[1] 2 3 7

i
[1] 4

如果想把這些子集保存在一個列表中，可以按下面的代碼操作，如下所示：

grps <- list()

for (gen in c("M","F","I")){

  grps[[gen]] <- which(g == gen)

}

grps

結(jié)果如下所示：

grps

$M

[1] 1 5 6

$F

[1] 2 3 7

$I

[1] 4

嵌套if...else...表達(dá)式

有的時候需要處理大于2種的選擇，此時就需要使用嵌套if...else...嵌套語句，例如還以前面的priceCalculator()函數(shù)為例說明一下，客戶假設(shè)說有3種，私有組織，稅率為12%，公共組織稅率為6%，國外客戶為0%，現(xiàn)在改造priceCalculator()函數(shù)，代碼如下所示：

priceCalculator <- function(hours, pph=40, client){
  net.price <- hours*pph
  if(client =='private'){
    tot.price <- net.price * 1.12
  } else {
    if(client == 'public'){
      tot.price <- net.price * 1.06
    } else {
      tot.price <- net.price * 1
    }
  }
  round(tot.price)
}

priceCalculator(hours=50,client="private")
priceCalculator(hours=50,client="public")
priceCalculator(hours=50,client="abroad")

計算結(jié)果如下所示：

priceCalculator(hours=50,client="private")

[1] 2240

priceCalculator(hours=50,client="public")

[1] 2120

priceCalculator(hours=50,client="abroad")

[1] 2000

雖然代碼已經(jīng)進(jìn)行了改造，可以根據(jù)不同的客戶類型計算不同的收費(fèi)，但是此時這個函數(shù)還只一次只能處理一個值，無法進(jìn)行向量化邏輯嵌套，對此，可以使用ifelse()函數(shù)進(jìn)行嵌套，如下所示：

priceCalculator <- function(hours, pph=40, client){

  net.price <- hours*pph

  VAT <- ifelse(client =='private', 1.12, 

                ifelse(client=='public', 1.06, 1))

  tot.price <- net.price*VAT

  round(tot.price)

}

privateData <- data.frame(

  hours = c(25, 110, 125, 40), 

  type = c('private', 'private', 'private', 'private')

)

with(privateData, priceCalculator(hours, client = type))

publicData <- data.frame(

  hours = c(25, 110, 125, 40), 

  type = c('public', 'public', 'public', 'public')

)

with(publicData, priceCalculator(hours, client = type))

abroadData <- data.frame(

  hours = c(25, 110, 125, 40), 

  type = c('abroad', 'abroad', 'abroad', 'abroad')

)

with(abroadData, priceCalculator(hours, client = type))

mixData <- data.frame(

  hours = c(25, 110, 125, 40), 

  type = c('private', 'public', 'abroad', 'abroad')

)

with(mixData, priceCalculator(hours, client = type))

運(yùn)行結(jié)果如下所示：

with(privateData, priceCalculator(hours, client = type))

[1] 1120 4928 5600 1792

publicData <- data.frame(

+   hours = c(25, 110, 125, 40), 

+   type = c('public', 'public', 'public', 'public')

+ )

with(publicData, priceCalculator(hours, client = type))

[1] 1060 4664 5300 1696

abroadData <- data.frame(

+   hours = c(25, 110, 125, 40), 

+   type = c('abroad', 'abroad', 'abroad', 'abroad')

+ )

with(abroadData, priceCalculator(hours, client = type))

[1] 1000 4400 5000 1600

mixData <- data.frame(

+   hours = c(25, 110, 125, 40), 

+   type = c('private', 'public', 'abroad', 'abroad')

+ )

with(mixData, priceCalculator(hours, client = type))

[1] 1120 4664 5000 1600

switch處理多種選擇

if...else...嵌套語句適用于多種條件的判斷，假如判斷的條件只有1個就不需要使用if嵌套，使用switch()函數(shù)即可。

在前面的priceCalculator()函數(shù)的案例中，稅率實(shí)際上取決于客戶的類型，即公共組織、私有組織或者外國客戶，我們有3種可能，每種對應(yīng)一種特定的稅率，在這種情況下，就可以使用switch函數(shù)來簡化判斷，如下所示：

VAT <- switch(client, private=1.12, public=1.06, abroad=1)

完整代碼如下所示：

priceCalculator <- function(hours, pph=40, client){

  net.price <- hours*pph

  VAT <- switch(client, private=1.12, public=1.06, abroad=1)

  tot.price <- net.price*VAT

  round(tot.price)

}

priceCalculator(25, client='private')

priceCalculator(25, client='public')

priceCalculator(25, pph=40, 'abroad')

priceCalculator(25, pph=40, 'other')

運(yùn)行結(jié)果如下所示：

priceCalculator(25, client='private')

[1] 1120

priceCalculator(25, client='public')

[1] 1060

priceCalculator(25, pph=40, 'abroad')

[1] 1000

priceCalculator(25, pph=40, 'other')

numeric(0)

switch()函數(shù)調(diào)用的過程如下：

  1. 用一個單一值(Single Value)作為第1個參數(shù)（這里就是client），需要注意的是，switch()無法處理向量化數(shù)據(jù)，只能處理單一的數(shù)據(jù)，因此第1個參數(shù)不能是向量；
  2. 在第1個參數(shù)后，列出所有可能的情況及對應(yīng)的值。
  3. 這里需要注意的是，我們只列出了3種情況，其實(shí)第3種情況abroad對應(yīng)的是其它情況，如果使用其它的字符口中，則無法進(jìn)行計算，后面會提到如何解這個問題。

switch()函數(shù)的第1個參數(shù)并不一定是一個特定的值，也可以是某個表達(dá)式，只要導(dǎo)出的結(jié)果是一個字符向量或數(shù)字即可，如下所示：

switch(1, 'some value', 'something else', 'some more')

[1] "some value"

switch(2, 'some value', 'something else', 'some more')

[1] "something else"

switch(3, 'some value', 'something else', 'some more')

[1] "some more"

在switch()中使用默認(rèn)值

在switch()函數(shù)的調(diào)用中，并不需要列出所有可能的情況，如果對于所有不滿足條件的判斷值，都返回同一個結(jié)果的話，可以把這個結(jié)果放在參數(shù)列表的末尾，并去掉前面的判斷值，因此可以看下面的代碼，這與ifelse調(diào)用的結(jié)果一樣：

VAT <- switch(client, private=1.12, pblic=1.06, 1)

現(xiàn)在就可以使用這個解決前面提出的那個問題了，如下所示：

priceCalculator <- function(hours, pph=40, client){

  net.price <- hours*pph

  VAT <- switch(client, private=1.12, public=1.06, 1)

  tot.price <- net.price*VAT

  round(tot.price)

}

priceCalculator(25, client='private')

priceCalculator(25, client='public')

priceCalculator(25, pph=40, 'abroad')

priceCalculator(25, pph=40, 'other')

運(yùn)行結(jié)果如下所示：

priceCalculator(25, client='private')

[1] 1120

priceCalculator(25, client='public')

[1] 1060

priceCalculator(25, pph=40, 'abroad')

[1] 1000

priceCalculator(25, pph=40, 'other')

[1] 1000

在switch()函數(shù)中的第3個參數(shù)里，把abroad=1改為1則就說明了，這是其他情況，而非僅僅是abroad這一種情況。

for 循環(huán)

for循環(huán)用法如下所示：

for (i in values){
    ... do someting...
}

for循環(huán)案例1-簡單案例

先看一個for循環(huán)的最簡單案例，如下所示：

for(i in 1:20){
cat(i);
cat(" ");
i=i+3;
}

運(yùn)行結(jié)果如下所示：

for(i in 1:20){
+     cat(i);
+     cat(" ");
+     i=i+3;
+ }

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

從上面結(jié)果，我們可以看出，循環(huán)中處理的對象是1:20這20個數(shù)，對每個數(shù)進(jìn)行操作不管循環(huán)內(nèi)部i如何變化。因此，循環(huán)體內(nèi)的i=i+3就不會對循環(huán)條件中的變量造成改變，具體執(zhí)行過程相當(dāng)于：i=1 -> i=i+3，此時i=4；-> 第一次循環(huán)結(jié)束，第二次循環(huán)開始，i=2。尤其注意，i變成4又變成2，所以打印出來的結(jié)果是，1,2,3,4….20的連續(xù)值。如果想要隨意的改變條件中的變量，可以使用while循環(huán)，如下所示：

i=1 

while(i<=20){ 
+     cat(i); 
+     cat(" "); 
+     i=i+3 
+ }

1 4 7 10 13 16 19

for循環(huán)案例2-priceCalculator()函數(shù)

現(xiàn)在使用for循環(huán)來改造原來的priceCalculator()函數(shù)，使這個函數(shù)可以一次地計算出多個客戶類型的結(jié)果，如下所示：

priceCalculator <- function(hours, pph=40, client){
  net.price <- hours*pph*
    ifelse(hours > 100, 0.9, 1)
  VAT <- numeric(0)

  for (i in client){
    VAT <- c(VAT, switch(i, private=1.12, public=1.06, 1))
  }
  tot.price <- net.price*VAT
  round(tot.price)
}

在這段代碼中，做了以下修改：

  1. 創(chuàng)建了一個長度為0的數(shù)值向量，即VAT <- numeric(0)；
  2. 對向量client中的每個值，用switch()來進(jìn)行邏輯判斷，選出對應(yīng)的VAT值；
  3. 每次循環(huán)，都將switch()的結(jié)果放入向量VAT的末尾。

這個函數(shù)的計算結(jié)果就是向量VAT包含每個客戶對應(yīng)的稅率值，看一下計算結(jié)果：

clients <- data.frame(
  hours = c(25, 110, 125, 40),
  type = c('public','abroad','private','abroad')
)
clients
priceCalculator(clients$hours,client = clients$type)

計算結(jié)果如下所示：

clients

  hours    type

1    25  public

2   110  abroad

3   125 private

4    40  abroad

priceCalculator(clients$hours,client = clients$type)

[1] 1060 3960 5040 1600

any()與all()

使用any()和all()函數(shù)可以對某個變量進(jìn)行判斷，如下所示：

x <- 1:10

x

 [1]  1  2  3  4  5  6  7  8  9 10

any(x>8)

[1] TRUE

any(x>88)

[1] FALSE

all(x>88)

[1] FALSE

all(x>0)

[1] TRUE

現(xiàn)在看一個案例，假設(shè)一個向量由若干個0或1構(gòu)成，我們想要找??其中連續(xù)出現(xiàn)1的游程（在一個0和1組成的序列中，一個由連續(xù)的0或1構(gòu)成的串稱為一個游程(run)）。例如對于向量x(假設(shè)它為1,0,0,1,1,1,0,1,1)，從它第4個索引處開始有長度為3的游程，而長度為2的游程分別始于第4，第5和第8索引的位置，因此現(xiàn)在我們構(gòu)建一個函數(shù)，返回結(jié)果為(4,5,8)，如下所示：

findruns <- function(x,k){
  n <- length(x)
  runs <- NULL
  for (i in 1:(n-k+1)){
    if (all(x[i:(i+k-1)]==1)) 
       runs <- c(runs,i)
  }
  return(runs)
}

現(xiàn)在運(yùn)行這個函數(shù)，如下所示：

x <- c(1,0,0,1,1,1,0,1,1)

findruns(x,3)

[1] 4

findruns(x,2)

[1] 4 5 8

findruns(x,6)

NULL
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡書系信息發(fā)布平臺，僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容