Question

我在Tidyverse中相当熟练，但总是使用ifelse()代替dplyr if_else()。我想切换此行为，默认情况下始终使用dplyr::if_else()并弃用代码中的ifelse()。

有什么理由不这样做吗？这可能会让我陷入困境吗？我会给你一些细节，但最近，当我在数据分析中不知不觉地创建了一列字符矩阵时，没有使用if_else()搞砸了我。如果我切换到始终使用if_else()，我希望将来避免这个问题。

Answer 1

if_else更严格。它检查两个备选方案是否属于同一类型，否则会引发错误，而ifelse将根据需要提升类型。在某些情况下这可能是一个好处，但如果您不检查错误或明确强制进行类型转换，则可能会破坏脚本。例如：

ifelse(c(TRUE,TRUE,FALSE),"a",3)
[1] "a" "a" "3"
if_else(c(TRUE,TRUE,FALSE),"a",3)
Error: `false` must be type character, not double

Answer 2

我还要补充一点，if_else()在NA的情况下可以赋予值，这是添加额外条件的便捷方法。

df <- data_frame(val = c(80, 90, NA, 110))
df %>% mutate(category = if_else(val < 100, 1, 2, missing = 9))

#     val category
#   <dbl>    <dbl>
# 1    80        1
# 2    90        1
# 3    NA        9
# 4   110        2

Answer 3

首选if_else()而不是ifelse()的另一个重要原因是检查长度的一致性。看到这个危险的陷阱：

> tibble(x = 1:3, y = ifelse(TRUE, x, 4:6))
# A tibble: 3 x 2
      x     y
  <int> <int>
1     1     1
2     2     1
3     3     1

与

比较

> tibble(x = 1:3, y = if_else(TRUE, x, 4:6))
    Error: `true` must be length 1 (length of `condition`), not 3.

在两种情况下，根据单个（标量）逻辑变量的值，显然y列等于x或等于4:6； ifelse()默默地将其输出截断为长度1，然后默默地对其进行回收。 if_else()几乎可以肯定地从源头上捕获了一个错误。

dplyr if_else（）vs base R ifelse（）

3 个答案: