A: разница между ifelse() и if_else()

Функция dplyr if_else() имеет три преимущества по сравнению с базовой функцией ifelse() в R:

1. Функция if_else() проверяет, что две альтернативы в операторе if else имеют одинаковый тип данных.

2. Функция if_else() не преобразует объекты Date в числовые.

3. Функция if_else() предлагает «отсутствующий» аргумент, указывающий, как обрабатывать значения NA.

Следующие примеры иллюстрируют эти различия на практике.

Пример 1: if_else() проверяет, что две альтернативы имеют один и тот же тип.

Предположим, у нас есть следующий кадр данных в R, содержащий информацию о различных баскетболистах:

 #create data frame
df <- data. frame (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),
                 points=c(22, 20, 28, 14, 13, 18, 27, 33))

#view data frame
df

  team points
1 to 22
2 to 20
3 to 28
4 to 14
5 B 13
6 B 18
7 B 27
8 B 33

Если мы используем базовую функцию ifelse() R для создания нового столбца, который присваивает значение «Атланта» строкам со значением команды «A» и 0 строкам с другим значением, мы не получим никаких ошибок. хотя «Атланта» — это символ, а 0 — число:

 #create new column based on values in team column
df$city <- ifelse(df$team == ' A ', ' Atlanta ', 0)

#view updated data frame
df

  team points city
1 to 22 Atlanta
2 to 20 Atlanta
3 to 28 Atlanta
4 A 14 Atlanta
5 B 13 0
6 B 18 0
7 B 27 0
8 B 33 0

Однако если мы воспользуемся функцией if_else() dplyr для выполнения той же задачи, мы получим сообщение об ошибке, сообщающее нам, что мы использовали два разных типа данных в операторе if else:

 library (dplyr)

#attempt to create new column based on values in team column
df$city <- if_else(df$team == ' A ', ' Atlanta ', 0)

Error: `false` must be a character vector, not a double vector.

Пример 2: if_else() не преобразует объекты даты в числовые значения

Предположим, у нас есть следующий фрейм данных в R, который показывает продажи, совершенные в магазине в разные даты:

 #create data frame
df <- data. frame (date=as. Date (c('2022-01-05', '2022-01-17', '2022-01-22',
                        '2022-01-23', '2022-01-29', '2022-02-13')),
                 sales=c(22, 35, 24, 20, 16, 19))

#view data frame
df

        dirty date
1 2022-01-05 22
2 2022-01-17 35
3 2022-01-22 24
4 2022-01-23 20
5 2022-01-29 16
6 2022-02-13 19

Если мы используем базовую функцию ifelse() R для изменения значений столбца даты, значения будут автоматически преобразованы в числовые:

 #if date is before 2022-01-20 then add 5 days
df$date <- ifelse(df$date < ' 2022-01-20 ', df$date+ 5 , df$date)

   dirty date
1 19002 22
2 19014 35
3 19014 24
4 19015 20
5 19021 16
6 19036 19

Однако если мы воспользуемся функцией if_else() dplyr, объекты даты останутся датами:

 library (dplyr)

#if date is before 2022-01-20 then add 5 days
df$date <- ifelse(df$date < ' 2022-01-20 ', df$date+ 5 , df$date)

#view updated data frame
df

        dirty date
1 2022-01-10 22
2 2022-01-22 35
3 2022-01-22 24
4 2022-01-23 20
5 2022-01-29 16
6 2022-02-13 19

Пример 3: if_else() предлагает «отсутствующий» аргумент, чтобы указать, как обрабатывать значения NA.

Предположим, у нас есть следующий кадр данных в R:

 #create data frame
df <- data. frame (team=c('A', 'A', 'A', 'A', 'B', 'B', NA, 'B'),
                 points=c(22, 20, 28, 14, 13, 18, 27, 33))

#view data frame
df

  team points
1 to 22
2 to 20
3 to 28
4 to 14
5 B 13
6 B 18
7 <NA> 27
8 B 33

Если мы используем базовую функцию ifelse() R для создания нового столбца, нет опции по умолчанию, позволяющей указать, как обрабатывать значения NA:

 #create new column based on values in team column
df$city <- ifelse(df$team == ' A ', ' Atlanta ', ' Boston ')

#view updated data frame
df

  team points city
1 to 22 Atlanta
2 to 20 Atlanta
3 to 28 Atlanta
4 A 14 Atlanta
5 B 13 Boston
6 B 18 Boston
7 <NA> 27 <NA>
8 B 33 Boston

Однако, если мы используем функцию if_else() dplyr, мы можем использовать отсутствующий аргумент, чтобы указать, как обрабатывать значения NA:

 library (dplyr)

#create new column based on values in team column
df$city <- ifelse(df$team == ' A ', ' Atlanta ', ' Boston ', missing=' other ')

#view updated data frame
df

  team points city
1 to 22 Atlanta
2 to 20 Atlanta
3 to 28 Atlanta
4 A 14 Atlanta
5 B 13 Boston
6 B 18 Boston
7 <NA> 27 other
8 B 33 Boston

Обратите внимание, что строка со значением «НП» в столбце « Команда» получает значение «Другое» в столбце «Новый город».

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные задачи в R:

Как использовать оператор If с несколькими условиями в R
Как написать вложенный оператор If Else в R
Как написать свою первую функцию tryCatch() в R