Control Flows

选择 Choice

if...else if...else...

if (condition1) {
  ...
} else if (condition2) {
  ...
} else {
  ...
}

注意：

1. 其中条件的长度应为1，长度大于1时报错！对于长度大于 1 的逻辑向量，要用any(bool_vector)和all(bool_vector)获得一个长度为 1 的 Boolean 向量（一个 bool 值），再配合if(){}和else if(){}使用。
2. 虽然 NA 是长度为 1 的 logical 向量，但 if(NA) 也会报错，要注意防止这一点。
   1. 可以充分利用any()和all()的 na.rm 参数，令其为 TRUE
   2. 也可以使用 if(isTRUE(condition))，isTRUE()会在内部调用 identical(TRUE,x)，只有 x 是长度为1的 TRUE，才能返回 TRUE

向量化形式：ifelse()

三元选择函数ifelse(condition, statement1, statement2)中的三个参数可以是任意长度的向量，按各自分量执行向量化操作

R 中这个函数是向量化的，使用起来要慎之又慎！！！比如条件只有一个分量，则 statement1 和 statement2 就只有一个分量参与运算。

switch(statement, list)

list 是一组键值对，statement 是一个键，返回 list 中与该键对应的值。

switch(x,
  a = "option 1",
  b = "option 2",
  c = "option 3",
  stop("Invalid `x` value")
)

result1 <- switch("fruit",
  meat = "chicken",
  fruit = "apple",
  vegetable = "cucumber",
  "soup"
)
result1

#> [1] "apple"

result2 <- switch("final",
  meat = "chicken",
  fruit = "apple",
  vegetable = "cucumber",
  "soup"
)
result2 # 都不匹配时，返回无key的值

#> [1] "soup"

简化形式

switch(k, para1, para2, ..., paran)，根据整数 k 返回第 k 个参数值。k 在 1:n 的范围之外时，返回 NULL

循环 Loop

能不用显式循环就不用，多用高阶函数实现迭代！

repeat {}

必须手动指定 break 条件，否则无限循环。这在创建交互式 app 时很有用。

while (condition) {}

只要 condition 取值为 TRUE，就继续循环；取值为 FALSE 时，离开循环

实践中， while 循环通常使用在迭代次数未知的情况下。例如从数据库的查询中分块地获取结果，相应的代码可能如下所示

res <- dbSendQuery(con, "SELECT * FROM table1 WHERE type = 1")
while (!dbHasCompleted(res)) {
  chunk <- dbFetch(res, 10000)
  process(chunk)
}
# 一小块一小块地处理查询结果，避免将一个（也许是巨大的）数据框读取到内存中
# 这样，仅需占用很小的内存空间就可以处理大量的数据
# 不过，前提条件是 process( ) 算法必须支持这种数据处理方式

for(iterator in sequence) {}

break 关键字

离开循环

next 关键字

离开本轮循环，从下一轮循环开始

提高循环速度：预先分配空间

R 中如果对对象的 size 做了改动（如添加一个元素），要把整个数据结构都重新拷贝一份，这非常慢。如果在每次循环中都有这种语句，时间复杂度会是\(\mathrm{O}\left(\mathrm{n}^{2}\right)\)级的。

所以最好在开始循环前，预先声明一个空向量/列表（out <- vector("list", length(x))），为输出结果分配足够的空间，避免频繁拷贝。循环结束后，可能需要打散并重组为我们需要的对象：对于向量用unlist()，数据框用dplyr::bind_rows()

参考 JS 语法:

const arr = [];
for (let i = 0; i < 6; i++) {
  arr.push(i ^ 2 % 11);
}
console.log(arr);

例：

df <- tibble(
  a = rnorm(10),
  b = rnorm(10),
  c = rnorm(10),
  d = rnorm(10)
)

# 求df各列的中位数，先为输出分配空间，长度为ncol(df)的向量
output <- numeric(ncol(df))
for (i in 1:ncol(df)) {
  output[[i]] <- median(df[[i]])
}
output

#> [1] -0.38994378  0.24621722 -0.01565543  0.06217146

循环取元素通常会剥离属性

xs <- as.Date(c("2020-01-01", "2010-01-01"))

for (x in xs) { # 直接取元素，剥离 class 属性
  str_c(x, x %>% class(), sep = ', ') %>% print()
}

#> [1] "18262, numeric"
#> [1] "14610, numeric"

for (i in seq_along(xs)) {
  str_c(xs[[i]], xs[[i]] %>% class(), sep = ', ') %>% print()
}

#> [1] "2020-01-01, Date"
#> [1] "2010-01-01, Date"

# 还是 purrr 包的高阶函数安全
xs %>% walk(function(x){
  str_c(x, x %>% class(), sep = ', ') %>% print()
})

#> [1] "2020-01-01, Date"
#> [1] "2010-01-01, Date"

条件系统 Condition