<\/p>\n
La funzione dplyr<\/a> if_else()<\/strong> presenta tre vantaggi rispetto alla funzione ifelse()<\/strong> di base R:<\/span><\/span><\/p>\n 1.<\/strong> La funzione if_else()<\/strong> verifica che le due alternative nell’istruzione if else abbiano lo stesso tipo di dati.<\/span><\/p>\n 2.<\/strong> La funzione if_else()<\/strong> non converte gli oggetti Date in numerici.<\/span><\/p>\n 3.<\/strong> La funzione if_else()<\/strong> offre un argomento “mancante” per specificare come gestire i valori NA.<\/span><\/p>\n Gli esempi seguenti illustrano queste differenze nella pratica.<\/span><\/p>\n Supponiamo di avere il seguente frame di dati in R che contiene informazioni su vari giocatori di basket:<\/span><\/p>\n Se utilizziamo la funzione R base ifelse()<\/strong> per creare una nuova colonna che assegni il valore “Atlanta” alle righe con valore squadra “A” e 0 alle righe con valore diverso, non riceveremo alcun errore. anche se \u201cAtlanta\u201d \u00e8 un carattere e 0 \u00e8 un numero:<\/span><\/span><\/p>\n Tuttavia, se utilizziamo la funzione if_else()<\/strong> di dplyr per eseguire la stessa attivit\u00e0, riceveremo un errore che ci informa che abbiamo utilizzato due tipi di dati diversi nell’istruzione if else:<\/span><\/p>\n Supponiamo di avere il seguente frame di dati in R che mostra le vendite effettuate in date diverse in un negozio:<\/span><\/p>\n Se utilizziamo la funzione R base ifelse()<\/strong> per modificare i valori della colonna della data, i valori verranno automaticamente convertiti in numerici:<\/span><\/p>\n Tuttavia, se utilizziamo la funzione if_else()<\/strong> di dplyr, gli oggetti data rimarranno come date:<\/span><\/span><\/p>\n Supponiamo di avere il seguente frame di dati in R:<\/span><\/p>\n Se utilizziamo la funzione R base ifelse()<\/strong> per creare una nuova colonna, non esiste alcuna opzione predefinita per specificare come gestire i valori NA:<\/span><\/p>\n Tuttavia, se utilizziamo la funzione if_else()<\/strong> di dplyr, possiamo utilizzare l’argomento mancante<\/strong> per specificare come gestire i valori NA:<\/span><\/p>\n Tieni presente che la riga con un valore NA nella colonna della squadra<\/strong> riceve il valore “altro” nella nuova colonna<\/strong> della citt\u00e0 .<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come utilizzare l’istruzione If con pi\u00f9 condizioni in R<\/a> La funzione dplyr if_else() presenta tre vantaggi rispetto alla funzione ifelse() di base R: 1. La funzione if_else() verifica che le due alternative nell’istruzione if else abbiano lo stesso tipo di dati. 2. La funzione if_else() non converte gli oggetti Date in numerici. 3. La funzione if_else() offre un argomento “mancante” per specificare come gestire […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Esempio 1: if_else() verifica che le due alternative abbiano lo stesso tipo<\/strong><\/span><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),\n points=c(22, 20, 28, 14, 13, 18, 27, 33))\n\n#view data frame\n<\/span>df\n\n team points\n1 to 22\n2 to 20\n3 to 28\n4 to 14\n5 B 13\n6 B 18\n7 B 27\n8 B 33<\/strong><\/pre>\n #create new column based on values in team column\n<\/span>df$city <- ifelse(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', 0)\n\n#view updated data frame\n<\/span>df\n\n team points city\n1 to 22 Atlanta\n2 to 20 Atlanta\n3 to 28 Atlanta\n4 A 14 Atlanta\n5 B 13 0\n6 B 18 0\n7 B 27 0\n8 B 33 0\n<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#attempt to create new column based on values in team column\n<\/span>df$city <- if_else(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', 0)\n\nError: `false` must be a character vector, not a double vector.\n<\/strong><\/pre>\n Esempio 2: if_else() non converte gli oggetti data in valori numerici<\/span><\/strong><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (date=as. Date<\/span> (c('2022-01-05', '2022-01-17', '2022-01-22',\n '2022-01-23', '2022-01-29', '2022-02-13')),\n sales=c(22, 35, 24, 20, 16, 19))\n\n#view data frame\n<\/span>df\n\n dirty date\n1 2022-01-05 22\n2 2022-01-17 35\n3 2022-01-22 24\n4 2022-01-23 20\n5 2022-01-29 16\n6 2022-02-13 19\n<\/strong><\/pre>\n #if date is before 2022-01-20 then add 5 days\n<\/span>df$date <- ifelse(df$date < ' 2022-01-20<\/span> ', df$date+ 5<\/span> , df$date)\n\n dirty date\n1 19002 22\n2 19014 35\n3 19014 24\n4 19015 20\n5 19021 16\n6 19036 19\n<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#if date is before 2022-01-20 then add 5 days\n<\/span>df$date <- ifelse(df$date < ' 2022-01-20<\/span> ', df$date+ 5<\/span> , df$date)\n\n#view updated data frame<\/span>\ndf\n\n dirty date\n1 2022-01-10 22\n2 2022-01-22 35\n3 2022-01-22 24\n4 2022-01-23 20\n5 2022-01-29 16\n6 2022-02-13 19\n<\/strong><\/pre>\n Esempio 3: if_else() offre un argomento “mancante” per specificare come gestire i valori NA<\/span><\/strong><\/h2>\n
#create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'A', 'A', 'B', 'B', NA, 'B'),\n points=c(22, 20, 28, 14, 13, 18, 27, 33))\n\n#view data frame\n<\/span>df\n\n team points\n1 to 22\n2 to 20\n3 to 28\n4 to 14\n5 B 13\n6 B 18\n7 <NA> 27\n8 B 33<\/strong><\/pre>\n #create new column based on values in team column\ndf$city <- ifelse(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', ' Boston<\/span> ')\n\n#view updated data frame<\/span>\ndf\n\n team points city\n1 to 22 Atlanta\n2 to 20 Atlanta\n3 to 28 Atlanta\n4 A 14 Atlanta\n5 B 13 Boston\n6 B 18 Boston\n7 <NA> 27 <NA>\n8 B 33 Boston\n<\/span><\/span><\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#create new column based on values in team column\ndf$city <- ifelse(df$team ==<\/span> ' A<\/span> ', ' Atlanta<\/span> ', ' Boston<\/span> ', missing=' other<\/span> ')\n\n#view updated data frame\n<\/span>df\n\n team points city\n1 to 22 Atlanta\n2 to 20 Atlanta\n3 to 28 Atlanta\n4 A 14 Atlanta\n5 B 13 Boston\n6 B 18 Boston\n7 <NA> 27 other\n8 B 33 Boston\n<\/span><\/span><\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come scrivere un’istruzione If Else annidata in R<\/a>
Come scrivere la tua prima funzione tryCatch() in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"