R: R 控制流：if/for/while 条件判断与循环

Q: for 循环太慢怎么办？

R 鼓励"向量化优先"——能用 sum() mean() ifelse() 解决的，不要写 for。R 循环比 Python 慢 10-100 倍，10 万元素以上慎用。

最后更新：2026-08-26

上一课我们学了运算符，R 程序能"判断真假"了。但光会判断还不够——程序还要能重复做事（循环）和分支选择（条件）。这一课我们学 R 的"控制流"：if/else 条件、for/while 循环、repeat 跳出。

R 的控制流和 Python 不太一样：R 用 {} 包围代码块（不用缩进），并且整个 if/else 是一个表达式。这一课我们要掌握这些差异。

1. 你将学到

if / else / else if 条件分支
for 循环遍历向量/列表
while 条件循环
repeat 无限循环（用 break 退出）
ifelse() 向量化判断
next 跳过本轮、break 跳出循环
R 与 Python 控制流的关键差异

2. 一个数据筛选的故事

(1) 痛点：手动分类

小赵是数据分析师，manager让他把 100 个客户的年龄做分层：

18 岁以下：未成年
18-30 岁：青年
31-50 岁：中年
51 岁以上：老年

如果用 Excel，要写 4 个嵌套 IF 公式；如果用 Python，要写循环和 if-else。但 R 有专门为向量设计的 ifelse()——

(2) R 的解法

# 5 个客户的年龄
ages <- c(15, 22, 35, 50, 65)

# 一行代码完成 4 档分类（向量化 ifelse）
labels <- ifelse(ages < 18, "未成年",
          ifelse(ages < 31, "青年",
            ifelse(ages < 51, "中年", "老年")))

cat("客户分类：\n")
print(data.frame(年龄 = ages, 类别 = labels))

3 行代码解决 4 档分类。这就是 R 控制流的"向量化"优势——一句话就是一个判断向量。

3. if/else：条件分支

(1) if 基本语法

# R 用 { } 包围代码块（Python 用缩进）
if (条件) {
  条件为真时执行
}

age <- 18

if (age >= 18) {
  cat("你已经成年了\n")
}
# Output：你已经成年了

(2) if-else：二选一

if (条件) {
  条件为真时执行
} else {
  条件为假时执行
}

score <- 45

if (score >= 60) {
  cat("及格了！\n")
} else {
  cat("不及格，需要补考\n")
}
# Output：不及格，需要补考

(3) if-else if-else：多分支

if (条件1) {
  分支1
} else if (条件2) {
  分支2
} else {
  其他
}

score <- 85

if (score >= 90) {
  cat("优秀\n")
} else if (score >= 80) {
  cat("良好\n")
} else if (score >= 60) {
  cat("及格\n")
} else {
  cat("不及格\n")
}
# Output：良好

(4) R vs Python 关键差异

特性	R	Python
代码块	`{}` 大括号	缩进（4 空格）
if 写法	`if (x > 0) { ... }`	`if x > 0:`
整体表达式	if/else 是一个表达式（可赋值）	if/else 是语句（不能赋值）
三元运算	`ifelse()` 专门函数	`x if x > 0 else -x`

# R 的特殊用法：ifelse 是表达式
result <- if (score >= 60) "及格" else "不及格"
result
# [1] "及格"

⚠️ 注意：R 的 if/else 必须有 else 在同一行（如果整体作为表达式）。如果分两行，R 会报语法错。

4. ifelse()：向量化判断

(1) 为什么需要 ifelse()？

普通 if 只能判断单个值，但 R 经常需要判断整个向量。这时用 ifelse()：

graph LR
    A["x = 1, 2, 3, 4, 5"] --> B["ifelse x > 3 yes no"]
    B --> C["no no no yes yes"]
    
    style A fill:#cce5ff
    style C fill:#d4edda

# 普通 if 会报错（只能接受长度 1）
x <- c(1, 2, 3, 4, 5)
if (x > 3) "大" else "小"   # ❌ 报错：condition has length > 1

# 用 ifelse() 解决
ifelse(x > 3, "大", "小")
# [1] "小" "小" "小" "大" "大"

(2) ifelse() 语法

ifelse(条件, 条件为真时的值, 条件为假时的值)

(3) 嵌套 ifelse()：多档分类

ages <- c(15, 22, 35, 50, 65)

# 4 档分类
labels <- ifelse(ages < 18, "未成年",
          ifelse(ages < 31, "青年",
            ifelse(ages < 51, "中年", "老年")))

print(data.frame(年龄 = ages, 类别 = labels))

输出：

TEXT 📖 仅展示

  年龄  类别
1   15 未成年
2   22   青年
3   35   中年
4   50   中年
5   65   老年

💡 提示：ifelse() 嵌套超过 3 层建议用 dplyr::case_when()（第 10 课学），更清晰。

5. for 循环：遍历元素

(1) for 基本语法

for (变量 in 向量) {
  每次循环执行的代码
}

(2) 遍历向量

# 遍历 1:5
for (i in 1:5) {
  cat("第", i, "次循环\n")
}
# Output：
# 第 1 次循环
# 第 2 次循环
# 第 3 次循环
# 第 4 次循环
# 第 5 次循环

# 遍历字符向量
fruits <- c("苹果", "香蕉", "樱桃")
for (fruit in fruits) {
  cat("我喜欢吃", fruit, "\n")
}

(3) 累计求和（经典例子）

# 1+2+3+...+100
total <- 0
for (i in 1:100) {
  total <- total + i
}
total
# [1] 5050

(4) ⚠️ R 的循环性能差

R 的 for 循环比 Python 慢 10-100 倍。R 鼓励用向量化运算代替循环：

# 慢（循环）
system.time({
  total <- 0
  for (i in 1:1e6) {
    total <- total + i
  }
})
# 用户  系统  流逝 
# 0.40   0.00   0.40  ← 0.4 秒

# 快（向量化）
system.time({
  total <- sum(1:1e6)
})
# 用户  系统  流逝 
# 0.01   0.00   0.01  ← 0.01 秒（快 40 倍）

⚠️ 注意：R 鼓励"向量化优先"——能用 sum() mean() ifelse() 解决的，不要写循环。

6. while 循环：条件循环

(1) while 语法

while (条件) {
  条件为真时重复执行
}

(2) 经典例子：猜数字游戏

# 目标数字
target <- 42
guess <- 0
attempts <- 0

while (guess != target) {
  guess <- sample(1:100, 1)  # 随机猜
  attempts <- attempts + 1
  if (attempts > 1000) break  # 超过 1000 次放弃
}
cat("用了", attempts, "次猜中\n")

(3) 与 for 的区别

特性	for	while
用途	已知次数的循环	未知次数，条件触发
终止	遍历完向量结束	条件为假结束
适用	遍历数据	等待事件、轮询

7. repeat 与 break：无限循环

(1) repeat 语法

repeat {
  代码
  if (条件) break  # 必须有 break，否则死循环
}

(2) 实战：菜单选择

choice <- 0
repeat {
  cat("\n=== 主菜单 ===\n")
  cat("1. 查天气\n")
  cat("2. 查股票\n")
  cat("0. 退出\n")
  choice <- as.integer(readline("请选择："))
  
  if (choice == 0) {
    cat("再见！\n")
    break
  } else if (choice == 1) {
    cat("今天晴，25°C\n")
  } else if (choice == 2) {
    cat("上证 3000 点\n")
  } else {
    cat("无效输入\n")
  }
}

⚠️ 注意：repeat 必须配合 break，否则会死循环（程序卡住）。

8. next 和 break：循环控制

关键字	作用	场景
`next`	跳过本轮，进入下一轮	跳过某些元素
`break`	跳出整个循环	找到目标立即退出

# next：跳过偶数
for (i in 1:10) {
  if (i %% 2 == 0) next
  cat(i, " ")
}
# Output：1 3 5 7 9

cat("\n")

# break：找到第一个 7 就退出
for (i in 1:10) {
  if (i == 7) break
  cat(i, " ")
}
# Output：1 2 3 4 5 6

9. 常见陷阱

(1) 浮点比较陷阱

# 看似相等，实际不等
0.1 + 0.2 == 0.3
# [1] FALSE  ← 实际是 0.30000000000000004

# 正确做法：容差比较
abs(0.1 + 0.2 - 0.3) < 1e-9
# [1] TRUE

(2) else 必须换行/同行

# ❌ 错误：else 单独成行
if (TRUE) {
  cat("yes")
}
else {
  cat("no")
}
# Error: unexpected 'else' in "else"

# ✅ 正确：else 在 if 块的 } 后面
if (TRUE) {
  cat("yes")
} else {
  cat("no")
}
# Output：yes

💡 提示：把 } else { 写在同一行，避免解析歧义。

(3) if 不会自动打印

# R 中 if 不会"自动打印"（不像函数调用）
if (TRUE) "yes"
# 没有输出  ← 不打印

# 解决：用 cat() 或 print() 显式输出
if (TRUE) cat("yes\n")
# Output：yes

10. 完整示例：客户分级管理

下面是一个完整工作流示例，把本课所有控制流串起来。

▶ 示例：客户分级与营销策略

# ============================================
# 客户分级与营销策略
# 功能：根据年龄+消费金额给客户分级
# ============================================

# 1. 准备 6 个客户数据
customers <- data.frame(
  name = c("Alice", "Bob", "Charlie", "赵六", "钱七", "孙八"),
  age = c(15, 22, 35, 50, 65, 28),
  spend = c(100, 500, 2000, 5000, 10000, 800)
)

# 2. 用 ifelse() 批量分级（向量化）
customers$tier <- ifelse(customers$spend < 500, "普通",
                  ifelse(customers$spend < 3000, "银卡",
                    ifelse(customers$spend < 8000, "金卡", "钻石")))

# 3. 遍历客户，输出营销策略（for 循环）
cat("=== 客户分级与营销策略 ===\n\n")
for (i in 1:nrow(customers)) {
  name <- customers$name[i]
  age <- customers$age[i]
  spend <- customers$spend[i]
  tier <- customers$tier[i]
  
  # 跳过钻石用户（已最优）
  if (tier == "钻石") {
    cat(name, "（", tier, "）：", spend, "元，老客户，重点维护\n")
    next
  }
  
  # 跳出条件（演示 break）
  if (spend > 5000) {
    cat(name, "：高消费客户！进入 VIP 流程\n")
  }
  
  # 按年龄推荐营销
  if (age < 18) {
    cat(name, "（", tier, "）：未成年，推荐家长卡\n")
  } else if (age < 30) {
    cat(name, "（", tier, "）：青年，推送新品\n")
  } else if (age < 50) {
    cat(name, "（", tier, "）：中年，推送家庭套餐\n")
  } else {
    cat(name, "（", tier, "）：中老年，推送健康产品\n")
  }
}

▶ 试一试

预期输出（节选）：

TEXT 📖 仅展示

=== 客户分级与营销策略 ===

Alice（ 普通 ）：未成年，推荐家长卡
Bob（ 普通 ）：青年，推送新品
Charlie（ 银卡 ）：中年，推送家庭套餐
赵六（ 金卡 ）：中年，推送家庭套餐
钱七（ 钻石 ）：10000 元，老客户，重点维护
孙八（ 银卡 ）：青年，推送新品

❓ 常见问题

Q for 循环太慢怎么办？

A R 鼓励"向量化优先"——能用 sum() mean() ifelse() 解决的，不要写 for。R 循环比 Python 慢 10-100 倍，10 万元素以上慎用。

Q 什么时候用 while 不用 for？

A 未知循环次数用 while（如等待事件、猜数字），已知次数用 for（如遍历向量）。repeat + break 用于"无限循环 + 中途退出"。

📖 小节

if/else/else if 条件分支，R 用 {} 包围代码块（不用缩进）
ifelse() 是向量化判断，可对整个向量分类；普通 if 只能判断单个值
for 循环遍历已知次数；while 条件循环未知次数；repeat 无限循环必须配 break
next 跳过本轮、break 跳出整个循环
R 鼓励向量化优先——for 循环比 Python 慢 10-100 倍，大数据用 sum() ifelse() 替代
浮点比较用容差（abs(x - y) < 1e-9），不要直接 ==
else 必须与 } 同行（避免解析歧义）

📝 作业

基础题：写一个 R 脚本，用 if/else if/else 实现：根据分数 score 输出等级（90+优秀，80+良好，60+及格，否则不及格）。测试 4 个分数：95, 75, 60, 40，把输出截图保存。
基础题：用 ifelse() 把向量 c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10) 分为奇数（"odd"）和偶数（"even"），输出结果。
基础题：用 for 循环计算 5!（5 的阶乘 = 5×4×3×2×1），把过程和结果截图保存。
进阶题：写一个猜数字游戏：① 用 sample(1:100, 1) 生成 1-100 随机数作为目标；② 用 while 循环让用户输入（readline）；③ 提示"太大"或"太小"；④ 猜中后输出"恭喜！用了 N 次"。运行测试。
挑战题：写一段脚本，对 1-100 的整数做如下处理：① 跳过 3 的倍数（next）；② 遇到 50 时跳出（break）；③ 把剩下的数累加求和。验证结果（应该是 1+2+4+5+7+8+...+49 = ?）。把代码和输出截图保存。

Web-Tutorial 技术团队

由多位开发者共同维护的编程教程平台。每篇教程由对应领域的开发者编写和审核，确保内容准确可靠。如发现任何问题，欢迎向我们反馈。

关于我们

R: R 控制流：if/for/while 条件判断与循环

1. 你将学到

2. 一个数据筛选的故事

(1) 痛点：手动分类

(2) R 的解法

3. if/else：条件分支

(1) if 基本语法

(2) if-else：二选一

(3) if-else if-else：多分支

(4) R vs Python 关键差异

4. ifelse()：向量化判断

(1) 为什么需要 ifelse()？

(2) ifelse() 语法

(3) 嵌套 ifelse()：多档分类

5. for 循环：遍历元素

(1) for 基本语法

(2) 遍历向量

(3) 累计求和（经典例子）

(4) ⚠️ R 的循环性能差

6. while 循环：条件循环

(1) while 语法

(2) 经典例子：猜数字游戏

(3) 与 for 的区别

7. repeat 与 break：无限循环

(1) repeat 语法

(2) 实战：菜单选择

8. next 和 break：循环控制

9. 常见陷阱

(1) 浮点比较陷阱

(2) else 必须换行/同行

(3) if 不会自动打印

10. 完整示例：客户分级管理

▶ 示例：客户分级与营销策略

❓ 常见问题

📖 小节

📝 作业

🙏 帮我们做得更好