————————————————————————————————————
1、循环
1. ##循环for
2. iris
3. allzl=unique(iris$setosa)
4. for (i in 1:2){
5. pp=iris[iris$setosa==allzl[i],]
6. plot(pp$Sepal.Length~pp$Sepal.Width)
7. }
for循环中，需要将数值组合起来，如果数据整齐可以用matrix；如果不整齐，用list，不等长合并的时候，rbind.fill函数可以很好将数据进行合并，并且补齐没有匹配到的缺失值为NA。
可参考：
R语言︱list用法、批量读取、写出数据时的用法
案 例
1. temp<-matrix(data = NA,181,31)
2. for (i in 1:31){
3. <-filter(data[i]/7, rep(1, 7))
4. }
5. yatmdata<-data.frame(temp)代码利用matrix先定义一个181*31的空值矩阵，然后往里面灌数字。
2、switch分支语句
1. ##switch分支语句
2. switch(1,mean(1:10),rnorm(4)) #执行mean(1:10)
3. switch(2,mean(1:10),rnorm(4)) #执行rnorm(4)
4. #由switch(x)来选择执行那个函数
3、while循环语句
注意执行顺序，先执行f[i]+f[i+1]<1000，然后往下走，与下面repeat有区别
1. ##while循环语句
2. #计算斐波那契数列
3. f=1
4. f[2]=1
5. i=1
6. while(f[i]+f[i+1]<1000){
7. f[i+2]=f[i]+f[i+1]
8. i=i+1
9. }
10. f
11. #注意执行顺序，先执行f[i]+f[i+1]<1000，然后往下走，与下面repeat有区别
4、repeat循环
常常与if联用。
1. ##repeat语句
2. #计算斐波那契数列
3. f=1
4. f[2]=1
5. i=1
6. repeat{
7. f[i+2]=f[i]+f[i+1]
8. i=i+1
9. if (f[i]+f[i+1]>1000) break
10. };f
11. #与if常常联用，注意执行顺序，f[i]+f[i+1]>1000，与while<1000不同与if常常联用，注意执行顺序，f[i]+f[i+1]>1000，与while<1000不同。
5、if函数+function
if和while都是需要数据TRUE/FALSE这样的逻辑类型变量，这就意味着，if内部，往往是对条件的判别，例如 is.na, is.matrix, is.numeric等等，或者对大小的比较，如，if(x > 0)， if(x == 1)， if(length(x)== 3)等等。
if后面，如果是1行，则花括号可以省略，否则就必须要将所有的语句都放在花括号中。这和循环是一致的
1. fun.test <- function(a, b, method = "add"){
2. method == "add") { ## 如果if或者for/while；
3. <- a + b ## 等后面的语句只有一行，则无需使用花括号。
4. }
5. method == "subtract"){
6. <- a - b
7. }
8. return(res) ## 返回值
9. }
10. ### 检验结果
11. fun.test(a = 10, b = 8, method = "add")
12. fun.test(a = 10, b = 8, method = "substract")
同时if还有类似与excel的用法——ifelse
1. ifelse(Age > 30, "Old", "Young")
Age变量>30，则输出old；<30，输出Young
————————————————————————————————————————————————————————————
Function与循环函数结合的实践案例
1、函数如何输出？——print、return&list
如果是单个输出，直接用1.3方法即可
如果有很多输出项目，那么需要return（终止运算，并输出return中的项目）最终输出的项目
R中默认的情况是将最后一句作为返回值。
1.1 return&list组合
return和list的组合输出结果比较合理。（来自R语言︱噪声数据处理、数据分组——分箱法（离散化、等级化））
1. sbdeep=function(data,parts,xiaoz){
2. <-parts #分几个箱
3. <-xiaoz #极小值
4. <-quantile(data,probs = seq(0,1,1/parts)) #这里以data等比分为4段，步长为1/4
5. <-mapply(function(x){
6. for (i in 1:(parts-1))
7. {
8. >=(value[i]-xiaoz)&x<value[i+1])
9. {
10. return(i)
11. }
12. }
13. >value[parts])
14. {
15. return(parts)
16. }
17. return(-1)
18. },data)
19. #打标签L1L2L3L4
20. degree=paste("L",number,sep=""),degreevalue=number,value=table(value),number=table(number))) #将连续变量转化成定序变量，此时为L1,L2,L3,L4...根据parts
21. }该函数是对单个序列数据进行等深分箱，可以返回四类：
一个基于L1L2L3....的每个指标标签序列degree；
标签序列值degreevalue，
每个百分位数对应的变量值value，
不同百分点的数量number。
1.2 print直接输出
1. function(){
2. print(plot(cv.out))
3. }print可以直接输出.
1.3 直接输出——一一般都是直接输出
1. function(){
2. a=c(1:50)
3. a
4. }其中a就是直接写在末尾，当做输出项。
2、function中应用if switch函数
1. test=function(mode=c("all", "out", "in")){
2. <- switch(mode, out = 1, `in` = 2, all = 3)
3.
4. if (as.numeric(mode)==1) {
5. t=1
6. }
7.
8. if (as.numeric(mode)==2) {
9. t=2
10. }
11.
12. if (as.numeric(mode)==3) {
13. t=3
14. }
15. t=t+1
16. return(t+4)
17. }
18. a=test(mode="out")
19.
20. test(mode="in")
21.
22. test(mode="all")解决场景：编写函数时候，可能嵌套很多模型的时候，就需要用这个流程。
switch函数，输入mode，执行相应的内容，此时是mode选择“all”，则执行返回1,；mode选择"out"则返回2；
然后用if去进行每个数字背后的建模，注意“==”
"in"注意要引号，因为会跟内嵌函数重叠
3 异常值处理——如何报错
1. # 异常处理，当仅输入一个数据的时候，告知不能计算标准差
2. if(length(x) == 1){
3. stop("can not compute sd for one number,
4. a numeric vector required.\n")
5. }
————————————————————————————————————
应用一：if族有哪些成员呢？——if/ifelse/stopifnot
在函数中，if的应用场景非常多，用来识别某类情况前提下，再执行下一个。
其中笔者就见过这样三类if：if-else ifelse stopifnot
1、if-else
这个很常见，就是需要注意一下，if-else的写法，来看经管之家论坛一位坛友的提醒与使用心得：
if(){}else{} 表示先执行if括号后面的条件语句，如果正确就执行第一个大括号里的程序，如果错误就执行else后面大括号里的语句。
有一种情况，r会报错：
1. if(){}
2. else{}就是这种情况，即else语句换了一行执行时，这是r会认为if语句已经执行完毕，但执行else发现前面无法执行，因此报错，在这里要提醒使用r的同志们，else必须紧挨着if语句后的大括号，这时才不会出错。
2、ifelse
跟If-else其实是一模一样的，但是效率提高很多，是提高代码运算效率很高的函数。ifelse()的句法格式类似于if()函数，但其运算速度却有了巨大的提升。即使是在没有预设数据结构且没有简化条件语句的情况下，其运算效率仍高于上述的两种方法。
1. ifelse(test, yes, no)ifelse返回的是结果，有一点麻烦的是，不像if-else一样，可以写一些分布计算的东西，譬如现在有以下一种情况：
1. a<-c+d
2. sum(a>2) #在c大于2的情况下，要计算a大于2的个数
这个分步情况在if-else里面很好解决，但是在ifelse里面可不容易，只能接受一步，所以尽量把运算链合并在一起。
3、stopifnot
这个函数跟Ifelse有点像，但是很奇特。stopifnot(c>2)，如果正确执行，那么就会啥都没发生，如果错误了，就会跳入Debug模式，报错，让函数立刻停下来。
trycatch函数联合使用，威力无比。
用tryCatch跳过：
1. result = tryCatch(
2. {expr},
3. warning = function(w) {warning-handler-code},
4. error = function(e) { error-handler-code},
5. finally = {cleanup-code}
6. )出现warning、error时候怎么处理，就可以跳过了。例子：
1. result = tryCatch(
2. {segmentCN(txt)},
3. warning = function(w) {"出警告啦"},
4. error = function(e) { "出错啦"},
5. )分词时候，容易因为Lapply中断之后，就不会运行了，这样功亏一篑所以可以用这个办法跳过。
————————————————————————————————————
应用二：如何在循环中，实时输出时间消耗？
想知道循环中进行到哪里？这样可以合理安排函数进程。那么怎么办呢？
第一办法：使用Rstudio 1.0版本，里面有一个Profiling with profvis，可以很好的对你函数每一步的耗时进行参看。
R︱Rstudio 1.0版本尝鲜（R notebook、下载链接、sparkR、代码时间测试profile）
当然，这个不能实时输出内容。
第二办法：利用difftime函数
1. t1 = Sys.time()
2. for (i in 1:5){
3. a=a+1
4. b=a*a
5. print(difftime(Sys.time(), t1, units = 'sec'))
6. }先预设当前时间，然后用difftime+print方式，循环输出。
