R语言︱函数使用技巧（循环、if族/for、switch、repeat、ifelse、stopifnot）

————————————————————————————————————

1、循环

##循环for
iris
allzl=unique(iris$setosa)
for (i in 1:2){
  pp=iris[iris$setosa==allzl[i],]
  plot(pp$Sepal.Length~pp$Sepal.Width)
}

for循环中，需要将数值组合起来，如果数据整齐可以用matrix；如果不整齐，用list，不等长合并的时候，rbind.fill函数可以很好将数据进行合并，并且补齐没有匹配到的缺失值为NA。

可参考： 

R语言︱list用法、批量读取、写出数据时的用法

 

案 例

temp<-matrix(data = NA,181,31)
for (i in 1:31){
  temp[,i]<-filter(data[i]/7, rep(1, 7))
  }
yatmdata<-data.frame(temp)

代码利用matrix先定义一个181*31的空值矩阵，然后往里面灌数字。

2、switch分支语句

##switch分支语句
switch(1,mean(1:10),rnorm(4))  #执行mean(1:10)
switch(2,mean(1:10),rnorm(4))  #执行rnorm(4)
#由switch(x)来选择执行那个函数

3、while循环语句

注意执行顺序，先执行f[i]+f[i+1]<1000，然后往下走，与下面repeat有区别

##while循环语句
#计算斐波那契数列
f=1
f[2]=1
i=1
while(f[i]+f[i+1]<1000){
  f[i+2]=f[i]+f[i+1]
  i=i+1
}
f
#注意执行顺序，先执行f[i]+f[i+1]<1000，然后往下走，与下面repeat有区别

4、repeat循环

常常与if联用。

##repeat语句
#计算斐波那契数列
f=1
f[2]=1
i=1
repeat{
  f[i+2]=f[i]+f[i+1]
  i=i+1
  if (f[i]+f[i+1]>1000) break
};f
#与if常常联用，注意执行顺序，f[i]+f[i+1]>1000，与while<1000不同

与if常常联用，注意执行顺序，f[i]+f[i+1]>1000，与while<1000不同。

5、if函数+function

if和while都是需要数据TRUE/FALSE这样的逻辑类型变量，这就意味着，if内部，往往是对条件的判别，例如 is.na, is.matrix, is.numeric等等，或者对大小的比较，如，if(x > 0)， if(x == 1)， if(length(x)== 3)等等。

if后面，如果是1行，则花括号可以省略，否则就必须要将所有的语句都放在花括号中。这和循环是一致的

fun.test <- function(a, b, method = "add"){
    if(method == "add") { ## 如果if或者for/while；
        res <- a + b       ## 等后面的语句只有一行，则无需使用花括号。
}
    if(method == "subtract"){
        res <- a - b
    }
    return(res)           ## 返回值
}
### 检验结果
fun.test(a = 10, b = 8, method = "add")
fun.test(a = 10, b = 8, method = "substract")

同时if还有类似与excel的用法——ifelse

ifelse(Age > 30, "Old", "Young")

Age变量>30，则输出old；<30，输出Young

————————————————————————————————————————————————————————————

Function与循环函数结合的实践案例

1、函数如何输出？——print、return&list

如果是单个输出，直接用1.3方法即可

如果有很多输出项目，那么需要return（终止运算，并输出return中的项目）最终输出的项目

R中默认的情况是将最后一句作为返回值。

1.1 return&list组合

return和list的组合输出结果比较合理。（来自R语言︱噪声数据处理、数据分组——分箱法（离散化、等级化））

sbdeep=function(data,parts,xiaoz){
  parts<-parts         #分几个箱
  xiaoz<-xiaoz         #极小值
    value<-quantile(data,probs = seq(0,1,1/parts))  #这里以data等比分为4段，步长为1/4
  number<-mapply(function(x){
    for (i in 1:(parts-1))
    {
      if(x>=(value[i]-xiaoz)&x<value[i+1])
      {
        return(i)
      }
    }
    if(x+xiaoz>value[parts])
    {
      return(parts)
    }
    return(-1)
  },data)
  #打标签L1L2L3L4
  return(list(degree=paste("L",number,sep=""),degreevalue=number,value=table(value),number=table(number)))               #将连续变量转化成定序变量，此时为L1,L2,L3,L4...根据parts
}

该函数是对单个序列数据进行等深分箱，可以返回四类：

一个基于L1L2L3....的每个指标标签序列degree；

标签序列值degreevalue，

每个百分位数对应的变量值value，

不同百分点的数量number。

1.2 print直接输出

function(){
  print(plot(cv.out))
}

print可以直接输出.

1.3 直接输出——一一般都是直接输出

function(){
a=c(1:50)
a
}

其中a就是直接写在末尾，当做输出项。

2、function中应用if switch函数

test=function(mode=c("all", "out", "in")){
  mode <- switch(mode, out = 1, `in` = 2, all = 3)

  if (as.numeric(mode)==1) {
    t=1
  }

  if (as.numeric(mode)==2) {
    t=2
  }

  if (as.numeric(mode)==3) {
    t=3
  }
  t=t+1
  return(t+4)
}
a=test(mode="out")

test(mode="in")

test(mode="all")

解决场景：编写函数时候，可能嵌套很多模型的时候，就需要用这个流程。

switch函数，输入mode，执行相应的内容，此时是mode选择“all”，则执行返回1,；mode选择"out"则返回2；

然后用if去进行每个数字背后的建模，注意“==”
"in"注意要引号，因为会跟内嵌函数重叠

3 异常值处理——如何报错

# 异常处理，当仅输入一个数据的时候，告知不能计算标准差
 if(length(x) == 1){
    stop("can not compute sd for one number,
         a numeric vector required.
")
 }

————————————————————————————————————

应用一：if族有哪些成员呢？——if/ifelse/stopifnot

在函数中，if的应用场景非常多，用来识别某类情况前提下，再执行下一个。

其中笔者就见过这样三类if：if-else   ifelse   stopifnot

1、if-else

这个很常见，就是需要注意一下，if-else的写法，来看经管之家论坛一位坛友的提醒与使用心得：

      if(){}else{}  表示先执行if括号后面的条件语句，如果正确就执行第一个大括号里的程序，如果错误就执行else后面大括号里的语句。
      有一种情况，r会报错：

if(){}
else{}

      就是这种情况，即else语句换了一行执行时，这是r会认为if语句已经执行完毕，但执行else发现前面无法执行，因此报错，在这里要提醒使用r的同志们，else必须紧挨着if语句后的大括号，这时才不会出错。

2、ifelse

      跟If-else其实是一模一样的，但是效率提高很多，是提高代码运算效率很高的函数。ifelse()的句法格式类似于if()函数，但其运算速度却有了巨大的提升。即使是在没有预设数据结构且没有简化条件语句的情况下，其运算效率仍高于上述的两种方法。

ifelse(test, yes, no)

      ifelse返回的是结果，有一点麻烦的是，不像if-else一样，可以写一些分布计算的东西，譬如现在有以下一种情况：

a<-c+d
sum(a>2)  #在c大于2的情况下，要计算a大于2的个数

      这个分步情况在if-else里面很好解决，但是在ifelse里面可不容易，只能接受一步，所以尽量把运算链合并在一起。

3、stopifnot

      这个函数跟Ifelse有点像，但是很奇特。stopifnot(c>2)，如果正确执行，那么就会啥都没发生，如果错误了，就会跳入Debug模式，报错，让函数立刻停下来。

      这个stopifnot跟trycatch函数联合使用，威力无比。

用tryCatch跳过：

result = tryCatch(
        {expr},
        warning = function(w) {warning-handler-code},
        error = function(e) { error-handler-code},
        finally = {cleanup-code}
        )

出现warning、error时候怎么处理，就可以跳过了。例子：

result = tryCatch(
        {segmentCN(txt)},
        warning = function(w) {"出警告啦"},
        error = function(e) { "出错啦"},
        )

分词时候，容易因为Lapply中断之后，就不会运行了，这样功亏一篑所以可以用这个办法跳过。

————————————————————————————————————

应用二：如何在循环中，实时输出时间消耗？

 

   想知道循环中进行到哪里？这样可以合理安排函数进程。那么怎么办呢？

      第一办法：使用Rstudio 1.0版本，里面有一个Profiling with profvis，可以很好的对你函数每一步的耗时进行参看。

R︱Rstudio 1.0版本尝鲜（R notebook、下载链接、sparkR、代码时间测试profile）

当然，这个不能实时输出内容。

      第二办法：利用difftime函数

t1 = Sys.time()
for (i in 1:5){
a=a+1
b=a*a
print(difftime(Sys.time(), t1, units = 'sec'))
}

      先预设当前时间，然后用difftime+print方式，循环输出。