R: R 运算符：算术、比较、逻辑运算全解析

# 5 个分店销售额（万元）
sales <- c(120, 150, 80, 200, 175)

# 一行代码完成所有计算
total_sales <- sum(sales)                          # 总销售 725
avg_sales <- mean(sales)                           # 平均 145
profit <- sales * 0.3                              # 利润向量
high_sales <- sales[sales > avg_sales]             # 高于平均的分店
profit_int <- profit %/% 1                         # 整数利润（整数除法）

cat("总销售：", total_sales, "万元\n")
cat("平均销售：", avg_sales, "万元\n")
cat("利润总额（整数）：", sum(profit_int), "万元\n")
cat("高于平均的分店销售额：", high_sales, "\n")

# 7 / 2 = 3.5（普通除法）
7 / 2
# [1] 3.5

# 7 %/% 2 = 3（整数除法，向下取整）
7 %/% 2
# [1] 3

# 7 %% 2 = 1（取模，余数）
7 %% 2
# [1] 1

# 实战：把秒数转成"时:分:秒"
total_seconds <- 3725
hours <- total_seconds %/% 3600
minutes <- (total_seconds %% 3600) %/% 60
seconds <- total_seconds %% 60
cat(hours, "时", minutes, "分", seconds, "秒\n")
# 1 时 2 分 5 秒

# 向量 + 标量（标量"广播"到每个元素）
c(1, 2, 3) + 10
# [1] 11 12 13

# 向量 + 向量（对应元素运算）
c(1, 2, 3) + c(10, 20, 30)
# [1] 11 22 33

# 长度不同时会"循环"
c(1, 2, 3, 4) + c(10, 20)
# Warning: longer object length is not a multiple of shorter object length
# [1] 11 22 13 24

# 单个 = 是赋值
x = 5

# 双等号 == 是比较
x == 5
# [1] TRUE

# 字符按 ASCII 编码比较
"apple" < "banana"
# [1] TRUE  ← 'a' 编码 < 'b'

# 数字字符不能直接比较大小（按字符比较，不是按数值）
"9" > "10"
# [1] TRUE  ← '9' (0x39) > '1' (0x31)，不是数值比较！

# 正确做法：转成数字
as.numeric("9") > as.numeric("10")
# [1] FALSE

# NA 的比较结果是 NA（不是 TRUE/FALSE）
NA == 5
# [1] NA

# 判断 NA 必须用 is.na()
is.na(NA)
# [1] TRUE

# NaN 的比较
NaN == NaN
# [1] NA  ← NaN == NaN 也是 NA！

x <- c(TRUE, TRUE, FALSE, FALSE)
y <- c(TRUE, FALSE, TRUE, FALSE)

# 元素级 AND（向量化）
x & y
# [1]  TRUE FALSE FALSE FALSE

# 元素级 OR
x | y
# [1] TRUE TRUE TRUE FALSE

# if 条件里用 &&（只判断第一个元素）
if (x > 0 && x < 10) {
  cat("x 是 0-10 之间\n")
}

# 向量逻辑用 &（判断所有元素）
c(1, 2, 11) > 0 & c(1, 2, 11) < 10
# [1]  TRUE  TRUE FALSE

# 找出 18-30 岁的成年人
ages <- c(15, 22, 28, 35, 40, 19)
adults <- ages[ages >= 18 & ages <= 30]
adults
# [1] 22 28 19

# 找出不及格或满分
scores <- c(58, 60, 75, 100, 45, 90)
special <- scores[scores < 60 | scores == 100]
special
# [1]  58 100  45

# 元素是否在向量中
c(1, 2, 3) %in% c(2, 4, 6)
# [1] FALSE  TRUE FALSE  ← 1, 3 不在；2 在

# 实战：筛选"北上广"城市
cities <- c("北京", "上海", "深圳", "广州", "杭州")
target <- c("北京", "上海", "广州")
cities[cities %in% target]
# [1] "北京" "上海" "广州"

# 普通乘法（元素级）
matrix(1:4, 2, 2) * matrix(1:4, 2, 2)
#      [,1] [,2]
# [1,]    1    9
# [2,]    4   16

# 矩阵乘法（线性代数）
matrix(1:4, 2, 2) %*% matrix(1:4, 2, 2)
#      [,1] [,2]
# [1,]    7   15
# [2,]   10   22

# 不加括号（按优先级）
1 + 2 * 3
# [1] 7  ← 2*3=6，再+1

# 加括号（明确意图）
(1 + 2) * 3
# [1] 9

# 复杂表达式一定要加括号
# 找出 18-65 岁
ages <- c(15, 25, 70, 30)
adults <- ages[ages >= 18 & ages <= 65]   # ✅ 加括号更清晰

# ============================================
# 分店销售综合分析
# 功能：用各类运算符分析 5 个分店销售数据
# ============================================

# 1. Prepare data
sales <- c(北京 = 120, 上海 = 150, 深圳 = 80, 广州 = 200, 杭州 = 175)
cat("原始销售数据（万元）：\n")
print(sales)

# 2. 算术运算：总销售、平均、最高、最低
total <- sum(sales)                  # 求和
avg <- mean(sales)                   # 平均
cat("\n总销售：", total, "万元\n")
cat("平均销售：", avg, "万元\n")
cat("最高销售：", max(sales), "万元\n")
cat("最低销售：", min(sales), "万元\n")

# 3. 算术运算：利润（30% 利润率）
profit_rate <- 0.3
profit <- sales * profit_rate        # 向量 × 标量
cat("\n利润总额：", sum(profit), "万元\n")

# 4. 比较 + 逻辑：找出高于平均的分店
is_above_avg <- sales > avg           # 比较：哪些高于平均
cat("\n高于平均的分店：")
print(sales[is_above_avg])

# 5. 比较 + 逻辑：找出低销售分店（< 1,000,000）
is_low <- sales < 100
cat("\n低销售分店（< 1,000,000）：")
print(sales[is_low])

# 6. 整数运算：利润取整 + 分组
profit_int <- profit %/% 1            # 整数除法（向下取整）
cat("\n利润取整：")
print(profit_int)

# 7. %in% 筛选
target_cities <- c("北京", "上海", "广州")
selected <- sales[names(sales) %in% target_cities]
cat("\n目标城市销售：")
print(selected)

原始销售数据（万元）：
   北京    上海    深圳    广州    杭州
   120     150      80     200     175

总销售： 725 万元
平均销售： 145 万元
最高销售： 200 万元
最低销售： 80 万元

高于平均的分店：
广州   杭州
200    175

利润总额： 217.5 万元

低销售分店（< 1,000,000）：
深圳
  80