R 以比深入嵌套的ifelse块更好的方式处理条件语句

我正试图写一些代码来分析我公司的保险计划。。。但它们很复杂！PPO计划很简单，但高免赔额健康计划很复杂，因为他们为家庭计划引入了“分割”免赔额和自付最高限额（个人和全部）。它的工作原理如下：

• 一旦个人符合个人免赔额，他/她将获得90%的保险
• 一旦计划中剩余的1+个人达到总免赔额，整个家庭的保险覆盖率为90%
• 个人不能仅以其医疗费用满足家庭免赔额

我想输入我的家庭成员的支出向量（有四个），并输出每个计划的总成本。下表列出了可能出现的情况，列代码如下：

• ded_ind

  ：是否有个人符合个人免赔额

• ded_tot

  ：是否达到了总免赔额

• oop\u ind

  ：是否达到了个人自掏腰包的最高限额

• oop\u tot

  ：是否达到了总的现金最高限额

• exp\u ind

  =支出最高者的费用

• exp\u rem

  =剩余/其他/家庭成员的费用（不是最高支出者）

• oop\u max\u ind

  =个人支付其自付最高限额的费用水平（当

  ded\u ind+0.1*exp\u ind=

  个人自付最高限额时）

• oop\u max\u fam

  =与个人相同，但适用于剩余的家庭成员

下表：

| ded_ind | oop_ind | ded_rem | oop_rem | formula                                       
|---------+---------+---------+---------+---------------------------------------------------------------------------|
|       0 |       0 |       0 |       0 | exp_ind + exp_rem                                                         |
|       1 |       0 |       0 |       0 | ded_ind + 0.1 * (exp_ind - ded_ind) + exp_rem                             |
|       0 |       0 |       1 |       0 | exp_ind + ded_rem + 0.1 * (exp_rem - ded_rem)                             |
|       1 |       1 |       0 |       0 | oop_max_ind + exp_fam                                                     |
|       1 |       0 |       1 |       0 | ded_ind + 0.1 * (exp_ind - ded_ind) + ded_rem + 0.1 * (exp_rem - ded_rem) |
|       0 |       0 |       1 |       1 | oop_max_rem + exp_ind                                                     |
|       1 |       0 |       1 |       1 | ded_ind + 0.1 * (exp_ind - ded_ind) + oop_max_rem                         |
|       1 |       1 |       1 |       0 | oop_ind_max + ded_rem + 0.1 * (exp_rem - ded_rem)                         |
|       1 |       1 |       1 |       1 | oop_ind_max + oop_rem_max                                                 |

省略：

0 1 0 0

、

0 0 1

、

0 1 1 0

和

0 1 0 1

不存在，因为如果分别未满足

ded_ind

和

ded_rem

，则不可能满足

oop_ind

和

oop_rem

我当前的代码是一个有点大的

ifelse

循环（不是代码，而是它的功能）：

检查计划是ppo还是hsa
如果hsa计划
如果exp_ind+exp_remoop_ind#u max#ded#u ind met，是oop_ind吗？
ded_ind+0.1*（exp_ind-ded_ind）+exp_fam#没有达到oop_max_ind
否则oop_max_ind+exp_fam#达到oop_max_ind
其他的

在else之后，总数大于家庭免赔额。我检查是否有两个人以上的人缴纳，然后继续这样做

我的问题是，现在我已经给出了一些问题的背景：有没有比

ifelse

循环更好的方法来管理像这样的条件情况，以便一次过滤一点

当我们检查一些更高级别的条件时，代码看起来是多余的（考虑满足或不满足

ded_-rem

的表格……在这两种情况下，仍然需要检查

ded_-ind

和

oop_-max_-ind

，代码是相同的……只是位于

ifelse

结构中的两个不同位置）

这可以通过某种矩阵运算来实现吗？网上有没有其他更聪明的方法来处理条件过滤的例子

非常感谢你的建议

---

---

另外，我正在使用R，并将创建一个与

shinny

的交互界面，以便其他员工可以为他们的每个家庭成员输入最佳和最坏情况，并通过点图或条形图查看哪种计划会提前出台。

根据结果将其转换为二进制值的建议给了我一个想法，这也帮助我学习一个人可以做向量化的

TRUE

/

FALSE

检查（我想这对很多人来说可能是显而易见的）

以下是我目前的想法：

费用

将是当年个人预测医疗费用的一个向量（以三个人为例）：

对于任何给定的计划，我可以设置一个带有截止值的向量，例如：

• 个人免赔额=1000
• 个人自掏腰包最大值=2000（需要花费11k才能到达）
• 家庭免赔额=2000
• 家庭自掏腰包最大值=4000（需要花费2.2万美元才能到达）

设置这些值：

ded_ind <- 1000
oop_max_ind <- 11000
ded_tot <- 2000
oop_max_tot <- 22000

cutoffs <- c(ded_ind, oop_max_ind, ded_tot, oop_max_tot)

我们可以检查这个

• 挥金如土的人会先支付1000英镑，然后再支付剩余500英镑的10%=1050英镑
• 其他成员未达到家庭免赔额，并全额支付400+100=500
• 总数：1550

我仍然需要创建一个将

结果\u bin

值映射到相应函数的映射，但在我看来，执行向量化检查并转换唯一的二进制值比我的

ifelse

嵌套函数要好得多

---

我是这样看的：无论如何，我必须设置变量并编写函数；这节省了我1）显式编写所有条件，2）我所说的冗余问题，其中一个最终在

ifelse

结构中编写父拆分的相同“兄弟”分支，最后，3）代码非常非常非常，更容易理解。

因为这个问题不是很具体，这里有一个更简单的例子/答案：

# example data
test <- expand.grid(opt1=0:1,opt2=0:1)
# create a unique identifier to represent the binary variables
test$code <- with(allopts,paste(opt1,opt2,sep=""))
# create an input variable to be used in functions
test$var1 <- 1:4

#  opt1 opt2 code var1
#1    0    0   00    1
#2    1    0   10    2
#3    0    1   01    3
#4    1    1   11    4

使用

ifelse

组合进行计算：

test$result <- with(test,
  ifelse(code == "00", var1 + 10,
  ifelse(code == "10", var1 + 100,
  ifelse(code == "01", var1 + 1000,
  ifelse(code == "11", var1 + var1,
  NA
)))))

---

您刚刚提供了一个基于四个布尔值的状态表。逻辑上的方法是将它们视为介于0和15之间的二进制数。只需将这些映射到适当的函数即可。很有趣！因此，我只需要做四个检查：1）大于

ded_ind

，2）大于

oop_ind_max

，3）大于

ded_rem

，4）大于

oop_rem_max

，然后返回这四个值（0或1）并计算二进制等价物——这就是要点吗？您可以这样做

ded_ind <- 1000
oop_max_ind <- 11000
ded_tot <- 2000
oop_max_tot <- 22000

cutoffs <- c(ded_ind, oop_max_ind, ded_tot, oop_max_tot)

result <- as.numeric(rep(c(exp_ind, exp_rem), each = 2) > cutoffs)

result_bin <- sum(2^(seq_along(result) - 1) * result)

if(result_bin == 1) {cost <- ded_ind + 0.1 * (exp_ind - ded_ind) + exp_rem }

cost
[1] 1550

# example data
test <- expand.grid(opt1=0:1,opt2=0:1)
# create a unique identifier to represent the binary variables
test$code <- with(allopts,paste(opt1,opt2,sep=""))
# create an input variable to be used in functions
test$var1 <- 1:4

#  opt1 opt2 code var1
#1    0    0   00    1
#2    1    0   10    2
#3    0    1   01    3
#4    1    1   11    4

var1 + 10    #code 00 - intended result =   11
var1 + 100   #code 10 - intended result =  102
var1 + 1000  #code 01 - intended result = 1003
var1 + var1  #code 11 - intended result =    8

test$result <- with(test,
  ifelse(code == "00", var1 + 10,
  ifelse(code == "10", var1 + 100,
  ifelse(code == "01", var1 + 1000,
  ifelse(code == "11", var1 + var1,
  NA
)))))

  opt1 opt2 code var1 result
1    0    0   00    1     11
2    1    0   10    2    102
3    0    1   01    3   1003
4    1    1   11    4      8