这些逻辑运算符你都使用正确了吗?

逻辑运算是数学运算的重要组成部分,但其更是计算机计算的底层设置。作为一门数据处理语言,逻辑运算在R中承担着非常非常重要的作用。本专题就专门为大家整理一下R语言中的逻辑运算:TRUE/FALSE.

目录

1 基本逻辑运算符

2 异或(xor)

3 all()和any()

4 实例拆解:如何筛选非零列?


正文

1 基本逻辑运算符

注:这里将数学运算符也整理了一下,权当回顾一下。

类别

运算符

描述

数学运算符

x + y

加法

x - y

减法

x * y

乘法

x / y

除法

x ^ y或x ^**y

乘幂

x %% y

模运算

x %/% y

整数除法

逻辑运算符

x == y

判断是否相等【严格等于,区别于赋值“=”】

<

判断是否小于

x <= y

判断是否小于等于

>

判断是否大于

x >= y

判断是否大于等于

x & y

向量的逻辑“与”运算(x、y以及运算结果都是向量)

X | y

向量的逻辑“或”运算(x、y以及运算结果都是向量)

x && y

标量的逻辑“与”运算(返回标量)

x || y

标量的逻辑“或”运算(返回标量)

!x

逻辑非‍

补充

xor(x,y)

异或:xor(T,F)返回TRUE

all(x)

all()是在全部为TURE时返回T,

any(x)

any()是存在任何一个TRUE时返回TRUE

R语言逻辑运算中额外注意2点

(1)逻辑值TRUE和FALSE可以缩写为T和F(两者都必须大写);在算术表达式中,它们会转换为1和0。

(2)在R中,所有非零值在逻辑运算中都会被当作为TRUE

> TRUE & FALSE  #返回[1] FALSE
> 0.2 & 0    #返回[1] FALSE

(3)在R语言中标量常被看作含有一个元素的向量,但在逻辑运算中是存在差异。上表中逻辑“与”【&】和逻辑“或”【 | 】是对向量的逻辑运算(虽然单个标量也适用),但其返回的结果是逻辑向量,是对逻辑运算中的每一组元素进行逻辑运算后返回的结果。

因此,此处引入另外两个不常用但需要了解的逻辑运算符:

  • x&&y:标量的逻辑“与”运算,判断逻辑x和y中只要包含一个"&"运算的TRUE行即返回TRUE标量
  • x||y :标量的逻辑“或”运算,判断逻辑向量x和y中包含一个"|"运算TRUE行即可返回TRUE标量

示例1:比较&与&&

> x <- c(TRUE,FALSE,TRUE,FALSE)
> y <- c(TRUE,TRUE,FALSE,FALSE)
> #---比较&与&&---#
> x&y
[1]  TRUE FALSE FALSE FALSE
> 
> x&&y  #对比第9行结果可以发现,在逻辑向量逻辑运算中只要包含一个"&"运算的TRUE行即返回TRUE
[1] TRUE
> x[c(2,3,4)]&&y[c(2,3,4)]
[1] FALSE

> x[1]&&y[1]  #x[1] TRUE和y[1] TRUE
[1] TRUE
> x[2]&&y[2]  #x[2] FALSE和y[2] TRUE
[1] FALSE
> x[4]&&y[4]  #x[4] FALSE和y[4] FALSE
[1] FALSE

示例2:比较"|"与"||"

> x <- c(TRUE,FALSE,TRUE,FALSE)
> y <- c(TRUE,TRUE,FALSE,FALSE)
> 
> #---比较|与||---#
> x|y
[1]  TRUE  TRUE  TRUE FALSE
> 
> x||y  #判断逻辑向量x和y中包含一个"|"运算TRUE行即可返回TRUE  
[1] TRUE
> 
> x[1]||y[1]  #x[1] TRUE和y[1] TRUE
[1] TRUE
> x[2]||y[2]  #x[2] FALSE和y[2] TRUE
[1] TRUE
> x[4]||y[4]  #x[4] FALSE和y[4] FALSE
[1] FALSE

2 异或(xor)

说明:当对应元素不等时返回TRUE。例如:

  • xor(T,F)返回TRUE
  • xor(T,T)返回FALSE
  • xor(F,F)返回FALSE
#xor异或:当对应元素不等时返回TRUE
> x <- c(TRUE,FALSE,TRUE,FALSE)
> y <- c(TRUE,TRUE,FALSE,FALSE)
> xor(x,y)
[1] FALSE  TRUE  TRUE FALSE

3 all()和any()

判断数据中是否存在TRUE值,其中all()是在全部为TURE时返回T,any是在存在任何一个TRUE时返回TRUE

注意事项:

(1)all(all(x), all(y)) == all(x, y)

(2)logical(0)返回TRUE

> x <- c(TRUE,FALSE,TRUE,FALSE)
> all(x)  #all中,如果所有均为TRUE,返回TRUE;反之,返回FALSE
[1] FALSE
> any(x) #anyl中,如果任一值为TRUE,返回TRUE;反之,返回FALSE
[1] TRUE

#多变量all或any
> y <- c(TRUE,TRUE,FALSE,FALSE)
> all(x,y)
[1] FALSE
> all(all(x),all(y)) #all(all(x), all(y)) == all(x, y)
[1] FALSE

> any(x,y) #x,y中存在任意一个TRUE,即返回TRUE
[1] TRUE

4 实例拆解:如何筛选非零列?

示例1:apply + !+ all

x[,apply(x,2,function(x) !all(x==0))]

来自于知乎回答者@HopeR

> df <- matrix(c(a = rep(0,5), b = c(-1:3)),nrow = 2,byrow = TRUE)
> x <- data.frame(df, stringsAsFactors = FALSE)
> x
  X1 X2 X3 X4 X5
1  0  0  0  0  0
2 -1  0  1  2  3
> #来自于知乎回答者@HopeR :x[,apply(x,2,function(x) !all(x==0))]
#apply(x,2,function(x) !all(x==0)) #对x数据库做列操作,判断每一列中的所有元素是否为0,,然后渠非"!"
#   X1    X2    X3    X4    X5 
# TRUE FALSE  TRUE  TRUE  TRUE > 
> x[,apply(x,2,function(x) !all(x==0))]
  X1 X3 X4 X5
1  0  0  0  0
2 -1  1  2  3

示例2:purrr包(tidyverse)

purrr::discard(df, ~all(.x == 0))

purrr::keep(df, ~any(.x != 0))

来自花儿少年交流群

> x <- matrix(c(a = rep(0,5), b = c(-1:3)),nrow = 2,byrow = TRUE)
> df <- data.frame(df, stringsAsFactors = FALSE)
> library(tidyverse)
#或library(purrr)
-- Attaching packages --------------------------------------- tidyverse 1.2.1 --
√ ggplot2 3.2.0     √ purrr   0.3.2
√ tibble  2.1.3     √ dplyr   0.8.3
√ tidyr   0.8.3     √ stringr 1.4.0
√ readr   1.3.1     √ forcats 0.4.0
-- Conflicts ------------------------------------------ tidyverse_conflicts() --
x dplyr::filter() masks stats::filter()
x dplyr::lag()    masks stats::lag()

> purrr::discard(df, ~all(.x == 0))
  X1 X3 X4 X5
1  0  0  0  0
2 -1  1  2  3

> purrr::keep(df, ~any(.x != 0))
  X1 X3 X4 X5
1  0  0  0  0
2 -1  1  2  3

注图片来自于tidyverse网站:https://www.tidyverse.org/

示例3:自建函数 + ifelse

来自拴小林(这个确实自己被搞复杂了

#---生成包含全0列数据集————##
x <- matrix(c(a = rep(0,5), b = c(-1:3)),nrow = 2,byrow = TRUE)
df <- data.frame(df, stringsAsFactors = FALSE)
df
#自定义循环判断全0列,全0列re返回1,非返回0#
re = rep(NA,dim(df)[2])
for (i in 1:dim(df)[2]){
  ifelse(sum(abs(df[,i]))==0,re[i] <- 1,re[i] <- 0)
}

#which(re ==0)返回非全零0列值#
df[,which(re == 0)]

#  X1 X3 X4 X5
#1  0  0  0  0
#2 -1  1  2  3

原文发布于微信公众号 - 数据分析1480(lsxxx2011)

原文发表时间:2019-08-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券