问题

Question

问题

我需要一个函数来计算不同范围的仪器测量的不确定性（例如，我测量电流，如果它在2 mA范围内，则不确定度为测量值的0.1 % + 3 dig）。如果函数能够采用向量并返回向量而不仅仅是数字，那就更好了。

我编写了很多if的函数，但它返回警告the condition has length > 1 and only the first element will be used。经过一段时间的研究后，我发现R中的if被设计为使用一个表达式来计算单个布尔值，而ifelse可以使用向量。

但是因为大约有10个链else if s ifelse s同样的东西会相当难看。

实施例

与if s：

S.I = function(I) {
   if(I<=(2*10^(-6))){
      0.1*I/100 + 3*10^(-9)
   } else if(I<=(20*10^(-6))) {
      ...
   }
   ...
}

ifelse s

S.I = function(I) {
   ifelse(I<=(2*10^(-6)),0.1*I/100 + 3*10^(-9),ifelse(I<=(2*10^(-6)),...,ifelse(...)))
}

问题

在这种情况下，是否有ifelse的替代方案？

Answer 1

在R中执行此操作的常用方法可能是cut;这是一个例子。

## some sample current values
I <- c(1e-6, 2e-6, 1e-5, 2e-5, 1e-4, 2e-4, 1e-3, 2e-3)
## define the endpoints for the different ranges
breaks <- c(-Inf, 2*10^(-6:3))
## for each range, define the percent of the original
## and the amount to add
percent <- c(0.10, 0.11, 0.12, 0.13)
dig <- c(3e-9, 3e-8, 3e-7, 3e-6) 
## get the range that each value falls in
range <- cut(I, breaks, labels=FALSE)
## and multiply by the right percent and add the right extra amount
I*percent[range]/100 + dig[range]

Answer 2

如您所述，您的函数仅适用于单个值，因为if不会对矢量起作用。解决方案是将向量的每个值逐个发送到函数。

R提供了一组apply函数来完成它（它像for循环但速度更快）：

result = sapply(I_vector, S.I)

如果您想在代码中多次应用S.I向量，那么使用包装器是值得的：

wrapper_S.I = function(I) { return(sapply(I_vector, S.I)) }
result = wrapper_S.I(I_vector)

注意：您还可以使用Vectorize创建包装器：

wrapper_S.I = Vectorize(S.I)

创建一个带有额外控件的包装器。

替代R中的嵌套ifelse（）语句

问题

实施例

问题

2 个答案: