R 向量化if#else或case#u when哪个不'；你不急于评估它的潜在产出吗？

dplyr

具有向量化条件

if\u else

和

case\u when

然而，这两种方法都急切地评估其可能的输出（

true/false

对于

if\u else

，当

发生时，
case\u公式的RHS）：

suppress-packagestartpmessages({
图书馆（dplyr）
})
如果是（c（T，T，T），打印（1），打印（2））
#> [1] 1
#> [1] 2
#> [1] 1 1 1
什么时候(
c（T，T，T）~print（1），
c（F，F，F）~print（2）
)
#> [1] 1
#> [1] 2
#> [1] 1 1 1

由（v0.3.0）于2020年2月5日创建

在这里，我们可以清楚地看到
false
案例被评估，即使它们从未被使用过。我正在寻找一种方法来避免这种情况，因为我的

有没有其他办法不这样做

我知道，一种选择实际上是
base:：ifelse
：

ifelse（c（T，T，T），print（1），print（2））
#> [1] 1
#> [1] 1 1 1

然而，
base:：ifelse
是出了名的效率低下，所以最好有一个更好的替代方案。话虽如此，我对
case\u when
的替代方案特别感兴趣，当我需要使用一系列
ifelse
s时，我经常使用它

我已经研究了
数据。table:：fifelse
，但它遇到了相同的问题：

suppress-packagestartpmessages({
库（数据表）
})
第五（c（T，T，T），打印（1），打印（2））
#> [1] 1
#> [1] 2
#> [1] 1 1 1

那么，如果安装了开发版本的
数据，
table
从GitHub可以使用
fcase
，它类似于
dplyr:：case\u when
，但具有延迟评估功能：

data.table::fcase(c(TRUE, TRUE, TRUE), print(1L), c(FALSE, FALSE, FALSE), print(2L))

[1] 1
[1] 1 1 1

您可以只依赖本机R对参数传递的惰性评估，并使用
all
来筛选
FALSE
不存在的情况：

lazy_if_else <- function(logical_test, value_if_true, value_if_false)
{
  if(all(logical_test)) return(rep(value_if_true, length.out = length(logical_test)))
  if_else(logical_test, value_if_true, value_if_false)
}

如果值为true，则需要修改此值以处理非单值
值，但这是一个相当不错的主意。@Wasabi您的意思是抛出错误吗？这就是“如果其他人”所做的
if_else（c（T，T，T），c（1,2），c（2,3））错误：“true”必须是长度3（“条件”的长度）或1，而不是2
。这不同于只循环使用的
ifelse
。@Wasabi我已经改变了它，所以它现在模仿了
ifelse
的行为。基准没有太大变化。有趣的
数据。table:：fifelse
并不懒惰，但
fcase
是索引的-特别是因为它后面是同一个人。也许
data.table
开发人员会停下来更详细地解释功能，我很高兴删除我的帖子，不重复-无论如何，拥有它真的很棒，这是我之所以经常使用
dplyr
的原因之一，因为没有任何真正类似的功能
microbenchmark::microbenchmark(ifelse(c(T, T, T), 0, Sys.sleep(0.1)),
                               if_else(c(T, T, T), 0, Sys.sleep(0.1)),
                               lazy_if_else(c(T, T, T), 0, Sys.sleep(0.1)))
#> Unit: microseconds
#>                                         expr        min         lq         mean
#>        ifelse(c(T, T, T), 0, Sys.sleep(0.1))     12.662     13.689     25.47675
#>       if_else(c(T, T, T), 0, Sys.sleep(0.1)) 102723.054 109145.897 109678.33523
#>  lazy_if_else(c(T, T, T), 0, Sys.sleep(0.1))      4.791      5.476     10.80378
#>       median         uq        max neval cld
#>      15.3995     34.904     74.255   100  a 
#>  110036.0945 110176.049 116619.936   100   b
#>       6.5030     16.768     26.008   100  a