我可以使用tidyverse更快地使用'if'和'else'語句進行for循環

Question

我有一個for循環，使用if else語句進行數據挖掘。 但是，這需要很長時間才能運行。 我在某處讀到tidyverse（dplyr或purrr）有時可以代替運行循環，是一種更快的替代方法，但是在purrr中找不到任何'if''else'函數。 到目前為止，這是我的循環：

  for (j in 1:length(my.query$data$value)){
    if(my.query$data$station[j] %in%  dataPRCP[,1]){
      rowNum<-which(dataPRCP[,1]==my.query$data$station[j])
      dataPRCP[rowNum,i+3]<-my.query$data$value[j]
    } else {
      dataPRCP<-rbind(dataPRCP,emptyrow)
      rowNum<-length(dataPRCP[,1])
      location <- ncdc_stations(stationid = my.query$data$station[j])
      dataPRCP[rowNum,1]<-my.query$data$station[j]
      dataPRCP[rowNum,2]<-location$data$latitude
      dataPRCP[rowNum,3]<-location$data$longitude
      dataPRCP[rowNum,i+3]<-my.query$data$value[j]
    }
  }

Answer 1

您需要一個簡單的示例來獲得直接幫助（我不知道您的數據是什么樣，也不知道您如何嘗試操作它）。 但是， purrr的一般策略是將函數應用於列表中的每個元素。 將if / else語句放入函數中（帶有適當的輸入），然后map將函數應用於每個元素：

# trivial example
library(purrr)
result <- map(1:5, print)

或（如果/否則）

f <- function(x) {
  if(x > 2) data_frame(a = 4, b = 10)
  else data_frame(a = 0, b = 3)
}
map_df(1:5, f) # result is a data_frame

如果輸出是數據框中的新元素，則可能會發現ifelse向量化的tidyverse或對數據類型更挑剔的tidyverse版本if_else會更有用。

# trivial example
# library(dplyr)
data_frame(a = 1:4) %>%
  mutate(b = if_else(a > 2, 1, 10)