Bedingungen und Kontrollfluss in R – Tutorial

Matrizen vergleichen

R kann bei Vergleichen mit unterschiedlichen Datenstrukturen umgehen – nicht nur mit Vektoren. Auch Matrizen und relationale Operatoren funktionieren nahtlos zusammen.

Statt Vektoren (wie im vorherigen Beispiel) liegen die DataCamp- und YouTube-Daten nun in einer Matrix namens views. Die erste Zeile enthält die DataCamp-Informationen, die zweite Zeile die YouTube-Informationen. Du erstellst die Matrix mit der eingebauten R-Funktion matrix auf Basis der oben definierten Vektoren datacamp und youtube.

datacamp_views <- c(100,20,5,200,60,88,190,33,290,64)

youtube_views <- c(10,20,1000,64,100,9,19,3,90,4)

views <- matrix(c(datacamp_views, youtube_views), nrow = 2, byrow = TRUE)

views

Finden wir heraus, wann die Views sowohl bei DataCamp als auch bei YouTube gleich 20 waren.

views == 20

Super. Damit kennst du die Funktionsweise relationaler Operatoren. Weiter geht’s mit logischen Operatoren.

Logische Operatoren

R hilft dir, die Ergebnisse relationaler Operatoren zu kombinieren. Dafür gibt es folgende logische Operatoren:

• AND-Operator ( & )
• OR-Operator ( | )
• NOT-Operator ( ! )

Schauen wir uns jeden davon an.

• AND-Operator: Wie in anderen Sprachen nimmt der AND-Operator zwei logische Werte und liefert nur dann TRUE, wenn beide TRUE sind. Andernfalls ist das Ergebnis FALSE.

Schauen wir uns ein paar selbsterklärende Beispiele an.

TRUE & TRUE # 1.1 = 1

TRUE

TRUE & FALSE # 1.0 = 0

FALSE

FALSE & FALSE # 0.0 = 0

FALSE

FALSE & TRUE # 0.1 = 0

FALSE

Statt mit TRUE/FALSE kannst du diese Operatoren auch mit den Ergebnissen von Vergleichen kombinieren.

x <- 100

x < 200 & x >= 100  # x ist kleiner als 200 und größer-gleich 100, daher TRUE.

TRUE

x < 200 & x > 100 # Das ist FALSE, da der zweite Vergleich (x > 100) nicht erfüllt ist.

FALSE

• OR-Operator: Der OR-Operator ähnelt AND, mit dem Unterschied, dass der gesamte Ausdruck TRUE ist, wenn mindestens einer der logischen Werte TRUE ist.

Schauen wir uns wieder ein paar einfache Beispiele an.

TRUE | TRUE # 1 + 1 = 1

TRUE

TRUE | FALSE # 1 + 0 = 1

TRUE

FALSE | FALSE # 0 + 0 = 0

FALSE

FALSE | TRUE # 0 + 1 = 1

TRUE

Nehmen wir das gleiche Zahlenbeispiel wie oben, diesmal fällt das Ergebnis anders aus.

x <- 100

x < 200 | x > 100 # TRUE, denn schon die erste Bedingung (x < 200) ist erfüllt.

TRUE

• NOT-Operator: Der einfachste Operator – er negiert den logischen Wert, auf den er angewendet wird, also das Gegenteil des jeweiligen Ergebnisses.

Ein paar Beispiele:

a = 1

!a # Liefert FALSE, denn nicht-a wird als 0 interpretiert, also FALSE.

FALSE

a = 0

!a # Wie oben, hier TRUE, da a = 0 und nicht-a somit 1 ist.

TRUE

Ein paar typische Fälle mit R-Basisfunktionen:

is.numeric(5) # TRUE, denn 5 ist numerisch

TRUE

!is.numeric(5) # Negation ergibt FALSE

FALSE

is.numeric('aditya')

FALSE

Das folgende Beispiel ist nützlich, wenn du mit gemischten numerischen und textuellen Daten arbeitest und etwa Zeichenketten aus einer Liste herausfiltern und nur numerische Werte behalten willst.

!is.numeric('aditya')

TRUE

Zum Schluss schauen wir, wie logische Operatoren auf Vektoren und Matrizen wirken.

a <- c(FALSE, TRUE, FALSE)

b <- c(TRUE, TRUE, FALSE)

a & b # AND-Operator

1. FALSE
2. TRUE
3. FALSE

a | b # OR-Operator

1. TRUE
2. TRUE
3. FALSE

Wie die Outputs zeigen, arbeiten logische Operatoren – genau wie die relationalen – elementweise auf Vektoren.

Der NOT-Operator lässt sich jedoch immer nur auf einen einzelnen Vektor oder auf das Ergebnis zweier Vektoren anwenden.

!a

1. TRUE
2. FALSE
3. TRUE

!b

1. FALSE
2. FALSE
3. TRUE

Im nächsten Beispiel steht der NOT-Operator außerhalb der Klammern und wird somit auf das Ergebnis von a | b angewendet. Dieser Ausdruck lässt sich auch als NOR (Not-OR) bezeichnen.

!(a | b) # NOR-Operator

1. FALSE
2. FALSE
3. TRUE

Bevor wir zu bedingten Anweisungen übergehen, eine kleine Übung.

Du hast denselben datacamp_views-Vektor wie oben. Lass uns mit der R-Funktion tail das letzte Element extrahieren.

last <- tail(datacamp_views,1)
print (last)

[1] 64

Finden wir heraus, ob das letzte Element unter 100 oder über 100 liegt.

last < 100 | last > 100

TRUE

Da der letzte Wert unter 100 liegt, ist eine der Bedingungen erfüllt und der Ausdruck ergibt TRUE.

Weiter geht’s mit dem letzten Thema dieses Tutorials: bedingte Anweisungen.

Bedingte Anweisungen

Bis hierhin kennst du relationale Operatoren, die zeigen, wie R-Objekte zueinander stehen, und logische Operatoren, mit denen du logische Werte kombinierst. R bietet dir eine Möglichkeit, all das zu verknüpfen und das Ergebnis zu nutzen, um das Verhalten deiner R-Skripte zu steuern. Damit zu den Anweisungen if und else.

Die Syntax der if-Bedingung lautet: if(condition){ // expression } Die if-Anweisung nimmt eine Bedingung in Klammern entgegen, typischerweise einen relationalen oder logischen Ausdruck. Ist die Bedingung TRUE, wird der R-Code in den geschweiften Klammern ausgeführt. Einfach, oder?

Ein Beispiel:

Angenommen, du hast eine Variable x mit dem Wert -10. Du prüfst, ob x größer als null ist, und negierst das mit NOT. Da die Bedingung TRUE ist, wird der Codeblock ausgeführt.

x <- -10

if (!x > 0){
    print("x is a negative number")
}

[1] "x is a negative number"

Entfernst du das NOT, wird die Bedingung FALSE und der Code im Block wird nicht ausgeführt.

if (x > 0){
    print("x is a positive number")
}

Die else-Anweisung ergänzt if: if(condition){ // expression1 }else{ // expression2 } Anders als if hat else keine eigene Bedingung, sondern gehört immer zu einem if. Der zu else gehörende Code wird ausgeführt, wenn die Bedingung des zugehörigen if nicht TRUE ist.

Nehmen wir das gleiche Beispiel mit if, um else zu zeigen.

x <- -10

if (x > 0){
    print("x is a positive number")
}else{
    print("x is a negative number")
}

[1] "x is a negative number"

Im obigen Beispiel traf die if-Bedingung nicht zu, daher wurde der else-Block ausgeführt.

Neben if und else gibt es else if, das zwischen if und else steht. Es wird ausgewertet, wenn die if-Bedingung nicht erfüllt ist. Kurz gesagt: else kommt zuletzt. if(condition){ // expression1 }else if(condition){ // expression2 }else{ // expression3 }

x <- 0

if (x > 0){
    print("x is a positive number")
}else if (x == 0){
    print("x is zero")
}else{
    print("x is a negative number")
}

[1] "x is zero"

Ein typischer Grund für else if: Die Bedingungen schließen sich nicht gegenseitig aus, sie könnten gleichzeitig zutreffen. Ein Beispiel:

x <- 12

if (x %% 3 == 0){
    print("x is divisible by 3")
}else if (x %% 4 == 0){
    print("x is divisible by 4")
}else{
    print("x is neither divisible by 3 nor by 4")
}

[1] "x is divisible by 3"

Hier wurde die if-Bedingung TRUE, daher verlässt R die Kontrollstruktur und prüft die weiteren Zweige nicht mehr – auch wenn else if ebenfalls TRUE wäre. Hättest du statt else if ein weiteres if verwendet, würden beide Blöcke ausgeführt.

Fazit

Glückwunsch – du hast das Tutorial abgeschlossen.

Dieses Tutorial ist ein guter Einstieg für alle, die die Programmiersprache R kennenlernen möchten. Als Übung kannst du relationale und logische Operatoren als Bedingungen in if/else-Strukturen einsetzen.

Weitere Themen wie Utilities in R und Machine Learning mit R folgen in zukünftigen Tutorials. Bleib dran.

Stell deine Fragen zu diesem Tutorial gern in den Kommentaren unten.

Wenn du mehr über R lernen möchtest, starte mit dem DataCamp-Kurs Intermediate R.