<\/p>\n
De dplyr<\/a> if_else()<\/strong> functie heeft drie voordelen ten opzichte van de R base ifelse()<\/strong> functie:<\/span><\/span><\/p>\n 1.<\/strong> De functie if_else()<\/strong> controleert of de twee alternatieven in de if else-instructie hetzelfde gegevenstype hebben.<\/span><\/p>\n 2.<\/strong> De functie if_else()<\/strong> converteert Date-objecten niet naar numeriek.<\/span><\/p>\n 3.<\/strong> De functie if_else()<\/strong> biedt een „ontbrekend“ argument om te specificeren hoe NA-waarden moeten worden verwerkt.<\/span><\/p>\n De volgende voorbeelden illustreren deze verschillen in de praktijk.<\/span><\/p>\n Stel dat we het volgende dataframe in R hebben dat informatie bevat over verschillende basketbalspelers:<\/span><\/p>\n Als we de functie R base ifelse()<\/strong> gebruiken om een nieuwe kolom te maken die de waarde ‚Atlanta‘ toewijst aan rijen met een teamwaarde ‚A‘ en 0 aan rijen met een andere waarde, krijgen we geen fouten. ook al is \u201cAtlanta\u201d een teken en 0 een getal:<\/span><\/span><\/p>\n Als we echter de if_else()<\/strong> -functie van dplyr gebruiken om dezelfde taak uit te voeren, krijgen we een foutmelding die ons vertelt dat we twee verschillende gegevenstypen hebben gebruikt in de if else-instructie:<\/span><\/p>\n Stel dat we het volgende gegevensframe in R hebben, waarin de verkopen op verschillende data in een winkel worden weergegeven:<\/span><\/p>\n Als we de functie R base ifelse()<\/strong> gebruiken om de waarden van de datumkolom te wijzigen, worden de waarden automatisch geconverteerd naar numeriek:<\/span><\/p>\n Als we echter de if_else()<\/strong> -functie van dplyr gebruiken, blijven de datumobjecten als datums:<\/span><\/span><\/p>\n Stel dat we het volgende dataframe in R hebben:<\/span><\/p>\n Als we de functie R base ifelse()<\/strong> gebruiken om een nieuwe kolom te maken, is er geen standaardoptie om op te geven hoe NA-waarden moeten worden afgehandeld:<\/span><\/p>\n Als we echter de functie if_else()<\/strong> van dplyr gebruiken, kunnen we het ontbrekende<\/strong> argument gebruiken om te specificeren hoe NA-waarden moeten worden afgehandeld:<\/span><\/p>\n Merk op dat de rij met een NA-waarde in de teamkolom<\/strong> de waarde „anders“ krijgt in de nieuwe stadskolom<\/strong> .<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Hoe gebruik je een If-instructie met meerdere voorwaarden in R<\/a> De dplyr if_else() functie heeft drie voordelen ten opzichte van de R base ifelse() functie: 1. De functie if_else() controleert of de twee alternatieven in de if else-instructie hetzelfde gegevenstype hebben. 2. De functie if_else() converteert Date-objecten niet naar numeriek. 3. De functie if_else() biedt een „ontbrekend“ argument om te specificeren hoe NA-waarden moeten worden […]<\/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":[],"class_list":["post-3909","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Voorbeeld 1: if_else() controleert of de twee alternatieven van hetzelfde type zijn<\/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 Voorbeeld 2: if_else() converteert datumobjecten niet naar numerieke waarden<\/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 Voorbeeld 3: if_else() biedt een „ontbrekend“ argument om te specificeren hoe NA-waarden moeten worden verwerkt<\/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 Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe schrijf je een geneste If Else-instructie in R<\/a>
Hoe u uw eerste tryCatch()-functie schrijft in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"