R: Fluxo de controle em R: if/for/while

Última atualização: 2026-08-26

Na aula anterior, aprendemos sobre operadores, e agora nossos programas em R podem “determinar se algo é verdadeiro ou falso”. Mas simplesmente ser capaz de fazer essas determinações não é suficiente — os programas também precisam ser capazes de repetir tarefas (loops) e tomar decisões de ramificação (condições). Nesta aula, aprenderemos sobre o “fluxo de controle” no R: condições if/else, loops for/while e a instrução repeat.

O fluxo de controle no R é um pouco diferente do Python: o R delimita blocos de código com {} (em vez de usar recuo), e a instrução if/else inteira é uma única expressão. Nesta lição, vamos aprender essas diferenças.

1. O que você vai aprender

• ramificação condicional if / else / else if
• Use um loop “for” para percorrer um vetor ou uma lista
• loop while
• repetir: loop infinito (use break para sair)
• Avaliação condicional vetorizada com ifelse()
• next: Pular esta rodada; break: Sair do loop
• Principais diferenças no fluxo de controle entre R e Python

2. Uma história sobre filtragem de dados

(1) Desafio: Categorização manual

Xiao Zhao é analista de dados. Seu gerente pediu que ele segmentasse 100 clientes por idade:

• Menores de 18 anos: menores de idade
• Faixa etária de 18 a 30 anos: jovens adultos
• Idades entre 31 e 50 anos: meia-idade
• 51 anos de idade ou mais: idosos

Se você usa o Excel, teria que escrever quatro fórmulas IF aninhadas; se usa Python, teria que escrever loops e instruções if-else. Mas o R tem o ifelse(), que foi projetado especificamente para vetores—

(2) Solução utilizando R

# 5 The age of each customer
ages <- c(15, 22, 35, 50, 65)

# Done in one line of code 4 File Categories(Vectorization ifelse)
labels <- ifelse(ages < 18, "Minor",
          ifelse(ages < 31, "Youth",
            ifelse(ages < 51, "Middle Age", "Old Age")))

cat("Customer Segmentation:\n")
print(data.frame(Age = ages, Category = labels))

Resolva um problema de classificação de 4 classes com apenas 3 linhas de código. Essa é a vantagem “vetorizada” do fluxo de controle do R — em resumo, uma única instrução é um vetor de decisão.

3. if/else: Ramificação condicional

(1) Sintaxe básica da instrução if

# R uses { } to enclose a code block (Python uses indentation)
if (Conditions) {
  Execute when the condition is true
}

age <- 18

if (age >= 18) {
  cat("You're an adult now.\n")
}
# Output:You're an adult now.

(2) if-else: Escolha binária

if (Conditions) {
  Execute when the condition is true
} else {
  Execute when the condition is false
}

score <- 45

if (score >= 60) {
  cat("Passed!\n")
} else {
  cat("Fail,Need to take a makeup exam\n")
}
# Output:Fail,Need to take a makeup exam

(3) if-else if-else: ramificações múltiplas

if (Conditions1) {
  Branch1
} else if (Conditions2) {
  Branch2
} else {
  Other
}

score <- 85

if (score >= 90) {
  cat("Excellent\n")
} else if (score >= 80) {
  cat("Good\n")
} else if (score >= 60) {
  cat("Passing Grade\n")
} else {
  cat("Fail\n")
}
# Output:Good

(4) Principais diferenças entre R e Python

# R Special Usage of:ifelse It is an expression
result <- if (score >= 60) "Passing Grade" else "Fail"
result
# [1] "Passing Grade"

4. ifelse(): Tomada de decisão vetorizada

(1) Por que precisamos do ifelse()?

A função padrão if só pode avaliar um único valor, mas no R, muitas vezes é necessário avaliar um vetor inteiro. Nesse caso, use 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

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

# Regular if It will throw an error(Only accept lengths 1)
x <- c(1, 2, 3, 4, 5)
if (x > 3) "L" else "S"   # Error: condition has length > 1

# Use ifelse() to resolve
ifelse(x > 3, "L", "S")
# [1] "S" "S" "S" "L" "L"

(2) Sintaxe do ifelse()

ifelse(Conditions, The value when the condition is true, Value when the condition is false)

(3) ifelse() aninhado: classificação em vários níveis

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

# 4 File Categories
labels <- ifelse(ages < 18, "Minor",
          ifelse(ages < 31, "Youth",
            ifelse(ages < 51, "Middle Age", "Old Age")))

print(data.frame(Age = ages, Category = labels))

Resultado:

  Age  Category
1   15 Minor
2   22   Youth
3   35   Middle Age
4   50   Middle Age
5   65   Old Age

5. Loop “for”: Iterando pelos elementos

(1) Sintaxe básica do loop “for”

for (Variable in Vector) {
  Code executed in each iteration
}

(2) Iterando por um vetor

# Iteration 1:5
for (i in 1:5) {
  cat("Iteration", i, "of the loop\n")
}
# Output:
# Iteration 1 of the loop
# Iteration 2 of the loop
# Iteration 3 of the loop
# Iteration 4 of the loop
# Iteration 5 of the loop

# Iterating Through a Character Vector
fruits <- c("Apple", "Banana", "Cherries")
for (fruit in fruits) {
  cat("I like to eat", fruit, "\n")
}

(3) Soma cumulativa (exemplo clássico)

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

(4) ⚠️ O R apresenta baixo desempenho em loops

Os loops do R for são de 10 a 100 vezes mais lentos do que os do Python. O R incentiva o uso de operações vetorizadas em vez de loops:

# Slow (Loop)
system.time({
  total <- 0
  for (i in 1:1e6) {
    total <- total + i
  }
})
# User  System  Passing 
# 0.40   0.00   0.40  ← 0.4 s

# Fast (Vectorization)
system.time({
  total <- sum(1:1e6)
})
# User  System  Passing 
# 0.01   0.00   0.01  <- 0.01 s (40x faster)

6. Loop while: Loop condicional

(1) Sintaxe do while

while (Conditions) {
  Execute repeatedly when the condition is true
}

(2) Exemplo clássico: o jogo “Adivinhe o número”

# Target Number
target <- 42
guess <- 0
attempts <- 0

while (guess != target) {
  guess <- sample(1:100, 1)  # Guess at Random
  attempts <- attempts + 1
  if (attempts > 1000) break  # More than 1000 Second attempt
}
cat("Used", attempts, "Second guess\n")

(3) Diferenças em relação a for

7. repeat e break: loops infinitos

(1) repeat Sintaxe

repeat {
  Code
  if (Conditions) break  # Must have break,Otherwise, an infinite loop
}

(2) Prática: Seleção de menu

choice <- 0
repeat {
  cat("\n=== Main Menu ===\n")
  cat("1. Check the weather\n")
  cat("2. Look up stocks\n")
  cat("0. Exit\n")
  choice <- as.integer(readline("Please select:"))
  
  if (choice == 0) {
    cat("Goodbye!\n")
    break
  } else if (choice == 1) {
    cat("It's sunny today,25°C\n")
  } else if (choice == 2) {
    cat("Shanghai Stock Exchange 3000 pt\n")
  } else {
    cat("Invalid input\n")
  }
}

8. next e break: Controle de loop

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

cat("\n")

# break:Find the first one 7 Just log out
for (i in 1:10) {
  if (i == 7) break
  cat(i, " ")
}
# Output:1 2 3 4 5 6

9. Armadilhas comuns

(1) Armadilhas das comparações com números de ponto flutuante

# Seemingly equal,The actual values are not equal
0.1 + 0.2 == 0.3
# [1] FALSE  ← Actually, it is 0.30000000000000004

# The Correct Way to Do It:Comparison of Tolerances
abs(0.1 + 0.2 - 0.3) < 1e-9
# [1] TRUE

(2) A instrução else deve estar em uma nova linha ou na mesma linha

# ❌ Error:else Traveling Alone
if (TRUE) {
  cat("yes")
}
else {
  cat("no")
}
# Error: unexpected 'else' in "else"

# Correct: else must follow if block }
if (TRUE) {
  cat("yes")
} else {
  cat("no")
}
# Output:yes

(3) se não for impresso automaticamente

# In R, if has no "Automatic Printing" (Not like a function call)
if (TRUE) "yes"
# No output  ← Do not print

# Resolve: Use cat() or print() for explicit output
if (TRUE) cat("yes\n")
# Output:yes

10. Exemplo completo: Gestão de níveis de clientes

A seguir, apresentamos um exemplo de um fluxo de trabalho completo que integra todos os fluxos de controle abordados nesta lição.

▶ Exemplo: Segmentação de clientes e estratégias de marketing

# ============================================
# Customer Segmentation and Marketing Strategies
# Features:By age+Classify Customers by Spending Amount
# ============================================

# 1. Preparation 6 Customer Data
customers <- data.frame(
  name = c("Alice", "Bob", "Charlie", "Diana", "Eve", "Frank"),
  age = c(15, 22, 35, 50, 65, 28),
  spend = c(100, 500, 2000, 5000, 10000, 800)
)

# 2. Use ifelse() Batch Grading (Vectorization)
customers$tier <- ifelse(customers$spend < 500, "Regular",
                  ifelse(customers$spend < 3000, "Silver Card",
                    ifelse(customers$spend < 8000, "Gold Card", "Diamond")))

# 3. Go through the customer list,Output Marketing Strategy(for Loop)
cat("=== Customer Segmentation and Marketing Strategies ===\n\n")
for (i in 1:nrow(customers)) {
  name <- customers$name[i]
  age <- customers$age[i]
  spend <- customers$spend[i]
  tier <- customers$tier[i]
  
  # Skip Diamond Members(Optimized)
  if (tier == "Diamond") {
    cat(name, "(", tier, "):", spend, "USD,Existing Customers,Priority Maintenance\n")
    next
  }
  
  # Exit Conditions(Demo break)
  if (spend > 5000) {
    cat(name, ": High-spending customers! Enter VIP Process\n")
  }
  
  # Age-Based Marketing Recommendations
  if (age < 18) {
    cat(name, "(", tier, "):Minor,Recommended Parent Card\n")
  } else if (age < 30) {
    cat(name, "(", tier, "):Youth,New Product Releases\n")
  } else if (age < 50) {
    cat(name, "(", tier, "):Middle Age,Promote Family Plans\n")
  } else {
    cat(name, "(", tier, "):Middle-Aged and Older Adults,Promote Health Products\n")
  }
}

Resultado esperado (trecho):

=== Customer Segmentation and Marketing Strategies ===

Alice( Regular ):Minor,Recommended Parent Card
Bob( Regular ):Youth,New Product Releases
Charlie( Silver Card ):Middle Age,Promote Family Plans
Diana( Gold Card ):Middle Age,Promote Family Plans
Eve( Diamond ):10000 USD,Existing Customers,Priority Maintenance
Frank( Silver Card ):Youth,New Product Releases

❓ Perguntas Frequentes

P: Quais são as principais diferenças entre o if/else do R e o do Python? R: No R, os blocos de código são delimitados por {} (enquanto o Python usa recuo); O if/else do R é uma expressão (que pode ser atribuída a uma variável), enquanto o do Python é uma instrução; o else do R deve estar na mesma linha que o }.

P: Como faço para escolher entre if e ifelse? R: Use if para avaliar um único valor; use ifelse() para avaliar um vetor inteiro. Uma instrução if comum gerará um erro se a condição envolver um comprimento maior que 1.

P: O que devo fazer se um loop for estiver muito lento? R: O R incentiva a “vectorização em primeiro lugar” — se você puder resolver o problema usando sum() mean() ifelse(), não escreva um loop for. Os loops do R são de 10 a 100 vezes mais lentos que os do Python; portanto, use-os com cautela ao trabalhar com mais de 100.000 elementos.

P: Quando se deve usar while em vez de for? R: Use while quando o número de iterações for desconhecido (por exemplo, ao aguardar um evento ou em um jogo de adivinhação de números) e use for quando o número de iterações for conhecido (por exemplo, ao iterar sobre um vetor). Use repeat + break para “loops infinitos com interrupção antecipada”.

P: Qual é a diferença entre next e break? R: next pula a iteração atual e passa para a próxima (no R, continue é chamado de next); break sai do loop inteiro. next é usado para filtragem, enquanto break é usado para sair antecipadamente.

📖 Resumo

• ramificação condicional if/else/else if: No R, coloque o bloco de código entre {} (sem recuo)
• ifelse() é uma instrução condicional vetorizada capaz de avaliar um vetor inteiro; uma instrução if comum só pode avaliar um único valor.
• Um loop for é executado um número conhecido de vezes; um loop while é executado um número desconhecido de vezes; um loop repeat é um loop infinito e deve ser usado com uma instrução break.
• next: Pular esta rodada; break: Sair do loop inteiro
• O R incentiva a vectorização em primeiro lugar — os loops for são de 10 a 100 vezes mais lentos do que no Python; para big data, use sum() e ifelse() em vez disso.
• Use a tolerância para comparações de ponto flutuante (abs(x - y) < 1e-9); não use == diretamente.
• else Deve ser usado em conjunto com } (para evitar ambiguidade na análise sintática)

📝 Exercícios

1. Problema básico: Escreva um script em R usando if/else if/else para implementar o seguinte: Dada uma pontuação score, exiba a classificação (90+: Excelente, 80+: Bom, 60+: Aprovado; caso contrário: Reprovado). Teste o script com quatro notas: 95, 75, 60 e 40, e salve uma captura de tela do resultado.

2. Problema básico: Use ifelse() para dividir o vetor c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10) em elementos ímpares e pares e exiba o resultado.

3. Problema básico: Use for para calcular 5! (fatorial de 5 = 5 × 4 × 3 × 2 × 1) em um loop e salve capturas de tela do processo e do resultado.

4. Exercício avançado: Escreva um jogo do tipo “Adivinhe o número”: ① Use sample(1:100, 1) para gerar um número aleatório entre 1 e 100 como meta; ② Use while para percorrer as entradas do usuário (readline); ③ Exiba a dica “Muito alto” ou “Muito baixo”; ④ Quando o número for adivinhado corretamente, exiba “Parabéns! Foram necessárias N tentativas.” Execute e teste o programa.

5. Desafio: Escreva um script que processe números inteiros de 1 a 100 da seguinte forma: ① Pule os múltiplos de 3 (next); ② Saia quando chegar a 50 (break); ③ Some os números restantes. Verifique o resultado (deve ser 1+2+4+5+7+8+...+49 = ?). Salve uma captura de tela do seu código e da saída.

Equipe Técnica Web-Tutorial

Uma plataforma de tutoriais mantida por diversos desenvolvedores. Cada tutorial é escrito e revisado por profissionais da área correspondente. Trabalhamos para manter nosso conteúdo preciso e confiável — se encontrar algum problema, avise-nos.

Sobre Nós