R 如何在自定义函数中包含逻辑检查

我编写了一个自定义函数，它对一列数据执行数学变换，输入为数据和另一个输入（温度）。我想要两种不同的逻辑检查。第一个问题是列中的任何值是否超过某个阈值，因为转换在阈值之上和之下是不同的。第二个是检查温度输入是否高于某个值，在这种情况下，发出警告，指出高于阈值的值是异常的，并检查数据

现在，我用一系列if/else语句编写了这个函数。但是，这是一个警告，它仅使用T/F语句字符串的第一个元素。我的函数的简化示例如下：

myfun = function(temp,data) {
    if(temp > 34){
    warning('Temperature higher than expected')
  }
    if (data > 50) {
      result = temp*data
      return(result)
    } else if(data <= 50) {
      result = temp/data
      return(result)
    }
  }

myfun(temp = c(25,45,23,19,10), data = c(30,40,NA,50,10))

myfun=函数（温度、数据）{
如果（温度>34）{
警告（'温度高于预期'）
}
如果（数据>50）{
结果=温度*数据
返回（结果）
}否则如果（数据代码的主要问题是，您将所有值作为向量传递给函数，但随后要进行单元素比较。您需要将元素逐个传递给函数，或者将某种向量化比较或for循环放入函数中。下面是for循环方法，这可能是这是最不优雅的方式，但至少很容易理解发生了什么

另一个问题是，在传递到任何条件语句之前，NA显然需要在数据向量中进行处理，否则会出现错误

最后一个问题是当数据=50时该怎么办。现在你有大于或小于50的条件测试，但正如你所见，数据中的第4点是50，所以现在你得到了NA

myfun = function(temp,data) {
    result <- rep(NA,length(temp))
    for (t in 1:length(temp)) {
        if(temp[t] > 34) {
            warning('Temperature higher than expected')
            if (!is.na(data[t])) {
                if (data [t] > 50) {
                    result[t] <- temp[t]*data[t]
                } else if(data[t] < 50) {
                    result[t] <- temp[t]/data[t]

                }
            }
        } else {
            if (!is.na(data[t])) {
                if (data[t] > 50) {
                    result[t] <- temp[t]*data[t]

                } else if(data[t] < 50) {
                    result[t] <- temp[t]/data[t]

                }
            }
        }
    }
    return(result)
}

代码的主要问题是，将所有值作为向量传递给函数，然后进行单元素比较。您需要将元素逐个传递给函数，或者将某种向量化比较或for循环放入函数中。下面是for循环方法，这可能是最小的方法这样做很优雅，但至少很容易理解发生了什么

另一个问题是，在传递到任何条件语句之前，NA显然需要在数据向量中进行处理，否则会出现错误

最后一个问题是当数据=50时该怎么办。现在你有大于或小于50的条件测试，但正如你所见，数据中的第4点是50，所以现在你得到了NA

myfun = function(temp,data) {
    result <- rep(NA,length(temp))
    for (t in 1:length(temp)) {
        if(temp[t] > 34) {
            warning('Temperature higher than expected')
            if (!is.na(data[t])) {
                if (data [t] > 50) {
                    result[t] <- temp[t]*data[t]
                } else if(data[t] < 50) {
                    result[t] <- temp[t]/data[t]

                }
            }
        } else {
            if (!is.na(data[t])) {
                if (data[t] > 50) {
                    result[t] <- temp[t]*data[t]

                } else if(data[t] < 50) {
                    result[t] <- temp[t]/data[t]

                }
            }
        }
    }
    return(result)
}

看起来你对数据变量中的if语句做了同样的事情，不管temp是否大于50。因此，与其将该部分写两次，为什么只写一盎司，在temp if语句之外？@提问者是的，你完全正确，这将简化函数并使其更易于阅读。我们e
ifelse
用于矢量化版本。建议复制。这将处理您的转换，但我建议将警告转换为类似于
if（any（temp>34））警告（“某些温度高于预期”）
@Gregor谢谢，if（any（）建议真的很有用。我会尝试一下ifelse。我已经考虑过了，但我并不总是喜欢它，因为你最终会得到嵌套的ifelse语句，而这些语句可能很难阅读。是的，嵌套的
ifelse
可能会让人讨厌。但是在这种情况下，你只有一个条件，所以不需要嵌套：
ifelse（数据>50，temp*data，temp/data）
。比较一下，这一行相当于您接受的答案中的大约20行。而且效率也会更高……避免嵌套太深时使用
ifelse
。但是这样的情况非常适合
ifelse
。看起来您对数据变量中的if语句做了同样的事情，而不管是什么温度>50。因此，与其将该部分写两次，为什么只写一盎司，不在temp if语句中？@提问者是的，你完全正确，这将简化函数并使其更易于阅读。使用
ifelse
作为矢量化版本。建议重复。这将处理你的转换但是我建议将警告转换为类似于
if（any（temp>34））警告（“某些温度高于预期”）
@Gregor谢谢，if（any）（）建议真的很有用。我会尝试一下ifelse。我已经考虑过了，但我并不总是喜欢它，因为你最终会得到嵌套的ifelse语句，而这些语句可能很难阅读。是的，嵌套的
ifelse
可能会让人讨厌。但是在这种情况下，你只有一个条件，所以不需要嵌套：
ifelse（数据>50，temp*data，temp/data）
。比较一下，在你接受的答案中，一行相当于大约20行。而且效率也会更高……避免嵌套太深时使用
ifelse
。但是这样的情况非常适合
ifelse
。这是有道理的。这应该是肯定的，使用apply变量可能会更快，但是理解正在发生的事情可能会有点困难…我经常发现速度的提高不值得理解。无论如何，在多个向量上使用apply函数时请检查这一点：这是有道理的。这应该是肯定的，使用apply变量可能会更快，但理解wh可能会有点困难在进行中…我经常发现速度的提高不值得理解。无论如何，在多个向量上使用应用函数时，请查看以下内容：