<\/p>\n
A fun\u00e7\u00e3o dplyr<\/a> if_else()<\/strong> tem tr\u00eas vantagens sobre a fun\u00e7\u00e3o R base ifelse()<\/strong> :<\/span><\/span><\/p>\n 1.<\/strong> A fun\u00e7\u00e3o if_else()<\/strong> verifica se as duas alternativas na instru\u00e7\u00e3o if else t\u00eam o mesmo tipo de dados.<\/span><\/p>\n 2.<\/strong> A fun\u00e7\u00e3o if_else()<\/strong> n\u00e3o converte objetos Date em num\u00e9ricos.<\/span><\/p>\n 3.<\/strong> A fun\u00e7\u00e3o if_else()<\/strong> oferece um argumento “ausente” para especificar como lidar com valores NA.<\/span><\/p>\n Os exemplos a seguir ilustram essas diferen\u00e7as na pr\u00e1tica.<\/span><\/p>\n Suponha que temos o seguinte quadro de dados em R que cont\u00e9m informa\u00e7\u00f5es sobre v\u00e1rios jogadores de basquete:<\/span><\/p>\n Se usarmos a fun\u00e7\u00e3o R base ifelse()<\/strong> para criar uma nova coluna que atribui o valor “Atlanta” \u00e0s linhas com valor de equipe “A” e 0 \u00e0s linhas com valor diferente, n\u00e3o receberemos nenhum erro. mesmo que \u201cAtlanta\u201d seja um caractere e 0 seja um n\u00famero:<\/span><\/span><\/p>\n No entanto, se usarmos a fun\u00e7\u00e3o if_else()<\/strong> do dplyr para realizar esta mesma tarefa, receberemos um erro que nos informa que usamos dois tipos de dados diferentes na instru\u00e7\u00e3o if else:<\/span><\/p>\n Suponha que temos o seguinte quadro de dados em R que mostra as vendas realizadas em datas diferentes em uma loja:<\/span><\/p>\n Se usarmos a fun\u00e7\u00e3o R base ifelse()<\/strong> para modificar os valores da coluna de data, os valores ser\u00e3o automaticamente convertidos para num\u00e9ricos:<\/span><\/p>\n No entanto, se usarmos a fun\u00e7\u00e3o if_else()<\/strong> do dplyr, os objetos de data permanecer\u00e3o como datas:<\/span><\/span><\/p>\n Suponha que temos o seguinte quadro de dados em R:<\/span><\/p>\n Se usarmos a fun\u00e7\u00e3o R base ifelse()<\/strong> para criar uma nova coluna, n\u00e3o h\u00e1 op\u00e7\u00e3o padr\u00e3o para especificar como lidar com valores NA:<\/span><\/p>\n No entanto, se usarmos a fun\u00e7\u00e3o if_else()<\/strong> do dplyr, podemos usar o argumento ausente<\/strong> para especificar como lidar com os valores NA:<\/span><\/p>\n Observe que a linha com valor NA na coluna equipe<\/strong> recebe o valor \u201coutro\u201d na nova coluna<\/strong> cidade.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outras tarefas comuns em R:<\/span><\/p>\n Como usar a instru\u00e7\u00e3o If com m\u00faltiplas condi\u00e7\u00f5es em R<\/a> A fun\u00e7\u00e3o dplyr if_else() tem tr\u00eas vantagens sobre a fun\u00e7\u00e3o R base ifelse() : 1. A fun\u00e7\u00e3o if_else() verifica se as duas alternativas na instru\u00e7\u00e3o if else t\u00eam o mesmo tipo de dados. 2. A fun\u00e7\u00e3o if_else() n\u00e3o converte objetos Date em num\u00e9ricos. 3. A fun\u00e7\u00e3o if_else() oferece um argumento “ausente” para especificar como lidar […]<\/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-3908","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo 1: if_else() verifica se as duas alternativas t\u00eam o mesmo 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 Exemplo 2: if_else() n\u00e3o converte objetos de data em valores num\u00e9ricos<\/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 Exemplo 3: if_else() oferece um argumento \u201causente\u201d para especificar como lidar com valores 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 Recursos adicionais<\/strong><\/span><\/h2>\n
Como escrever uma instru\u00e7\u00e3o If Else aninhada em R<\/a>
Como escrever sua primeira fun\u00e7\u00e3o tryCatch() em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"